TY-JUR A2 - RISI，Michele Au - 邱，洪奥 - 粉，Chongdi Au - Yao，Jie Au - Ye，Xiaohan Py - 2020 DA - 2020/10/15 Ti - 2020/10/15基于CNN-Bigru和CNN-Bigru的Ti - 2020/10/15Multipead Incepority机制SP - 8865983 VL - 2020 AB - 随着互联网的快速发展，Weibo逐渐成为目前社会中常用的社会工具之一。我们可以随时随地在Weibo上表达我们的意见。我们被广泛使用的人，人们可以自由地表达它;因此，对微博的评论量变得非常大。为了计算用户对某个事件的态度，微博管理人员通常需要以适当的方式评估某个微博的位置。在传统的地位检测任务中，研究人员主要通过构建特征工程和情感词典的矿文本语义特征，但在特征选择和设计中需要大量的人力。然而，它是分析微博评论的情绪状态的有效方法。深度学习在日益成熟的方向上发展，利用深度学习方法的情绪检测已经变得越来越受欢迎。本文提出了卷积神经网络（CNN），双向GRU（BIGRU）和多口注意力机制 - （MOLOYHINGING-）组合方法CNN-BIGRU-MATLENTIVE（CBMA）进行中国微博情绪检测。 Firstly, CNN were applied to extract local features of text vectors. Afterward, BiGRU networks were applied to extract the global features of the text to solve the problem that the single CNN cannot obtain global semantic information and the disappearance of the traditional recurrent neural network (RNN) gradient. At last, it was concluded that the CBMA algorithm is more accurate for Chinese microblog sentiment detection through a variety of algorithm experiments. SN - 1058-9244 UR - https://doi.org/10.1155/2020/8865983 DO - 10.1155/2020/8865983 JF - Scientific Programming PB - Hindawi KW - ER -