BERT-TextCNN-BiGRU-Attention微博情感分类模型

准确率提升超 5%

在Spark大数据环境下，融合预训练语言模型与多粒度特征提取，显著提升微博情感分析任务的准确性。

Qian, Wang · 陈德霖

Journal of Intelligent Systems 2024

参数信息

准确率提升

4.99 %

F1分数提升

0.05

技术优势

准确率提升至少4.99%

模型通过多头注意力机制强调最重要的特征，从而在准确率上取得提升。

适合大数据环境

在Spark大数据环境下处理海量、高冗余的微博数据，解决大规模数据下的情感分析问题。

特征捕捉更全面

BERT将输入转换为动态字符级词向量，TextCNN有效获取关键词等局部特征并池化过滤，BiGRU快速捕获更全面的语义信息。

应用场景

• 情感计算：用高精度情感分类结果，辅助情感趋势研判。
• 社交媒体分析：在海量微博数据上快速提取情感倾向，支撑话题分析。
• 舆情监测：及时预测话题趋势，帮助引导舆论。