基于特征融合的中文新闻文本情感分类方法研究

针对现有的新闻文本情感分析任务中，单一模型提取文本特征的片面性，且无法充分提取新闻文本语义等特征问题，提出一种基于门控单元特征融合的BERT-CNN情感分析方法。该方法分别采用BERT语言预训练模型与卷积神经网络（CNN）对新闻文本的特征向量进行提取；然后采用门控循环单元对提取到的文本特征进行特征融合；再输入到Softmax层进行新闻文本分类；最后从精准率、召回率和F1-Score三个维度对比BERT、BERT-CNN、BERT-DPCNN和BERT-ERNIE的实验结果。实验结果表明，当分类场景更换为情感识别时，BERT-CNN依旧具有强大的语义捕捉能力，证明了BERT-CNN的泛化能力；另外，从原BERT的提升效果看，基于门控单元特征融合的BERT-CNN方法（提升2.07%）比词向量的方法（提升0.31%）更高。这一结果也证明了基于门控单元特征融合的BERT-CNN方法的有效性。