.png){kind=icon}
返回
Docsentinet: a adaptive architecture for efficient document-level sentiment analysis
.png){kind=icon}
PRE
AI
DOI：10.1007/s41060-025-00943-4.png)
.png){kind=icon}
原文求助.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
文档级情感分析随着数据量的增长而日益受到关注，但针对真正长文本的精确定义和高效处理方法往往缺乏。本研究通过提出DocSentiNet来解决这些挑战。这一新颖的自适应模型架构结合了改进的TaylorAttention机制、文本卷积和Longformer。我们的方法能够有效捕捉扩展文本中的全局语义依赖关系和局部特征，在显著降低计算复杂度的同时保持性能。我们引入了基于泰勒展开的注意力机制和多级特征融合策略以实现这一目标。在多个文档级情感分析数据集上的评估表明，DocSentiNet在处理长文本序列方面表现出卓越性能，仅需少量增加参数即可在现有最佳模型基础上实现显著提升。这项研究推进了文档级情感分析的发展，并为提升预训练语言模型在长文本理解任务中的性能提供了见解。
Keyword:
Natural language processing
Document-level sentiment analysis
Long text processing
Taylor attention
Transformer
期刊
I
IF:
2.8
论文数:
1.1K
被引数:
1.3K
查看更多机构
.png){kind=icon}
