一个新的基于注意力的混合深度学习框架,用于使用自然语言处理技术识别文本情感,用于残疾人

科学领域:

• 人工智能的人工智能
• 自然语言处理自然语言处理.
• 计算语言学 计算语言学

背景情况:

• 残疾带来了重大挑战,往往限制了个人参与和成长.
• 辅助技术对于提高残疾人的独立性和生活质量至关重要.
• 从文本中检测情感对于开发更具响应性和同情心的技术解决方案至关重要.

研究的目的:

• 提出使用自然语言处理技术 (HADLTER-NLPT) 进行文本情感识别的基于注意力的新型混合深度学习.
• 通过精确的基于文本的情感识别来改善残疾人的辅助技术和情感理解.
• 增强机器学习的能力,为残疾人创造支持性环境.

主要方法:

• 文本预处理用于数据清理和规范化.
• Word2Vec用于语义性的词嵌入.
• 基于混合注意力的长短期记忆 (HA-LSTM) 用于情绪分类.
• 振荡混沌向日优化 (OCSFO) 用于超参数调整.

主要成果:

• 哈德勒-NLPT技术在文本情感识别方面表现出卓越的表现.
• 在从文本数据集中检测情绪时获得了98.86%的高精度.
• 在从文本数据中识别情绪表达的现有模型中表现优于现有模型.

结论:

• 哈德勒-NLPT模型在从文本中检测情绪方面取得了重大进展.
• 这项技术可以大大有利于为残疾人开发辅助工具.
• 拟议的方法强调了深度学习和NLP在解决残疾人面临的挑战方面的潜力.