Resumen

En este documento, proponemos un método de representación de características multinivel que combina características a nivel de palabra, como la morfología y jerga alemana, y características a nivel de oración, como símbolos especiales e información de sentimiento traducida al inglés, y construimos un modelo de aprendizaje profundo para la clasificación de sentimientos en alemán basado en el mecanismo auto-atento, con el fin de abordar las características de los textos de las redes sociales alemanas que son coloquiales, irregulares y diversos. En comparación con los estudios existentes, este modelo no solo tiene el efecto de mejora más evidente, sino que también tiene una mejor capacidad de extracción y clasificación de características para las emociones en alemán.

• Materias:Cifrado de búsqueda Seguridad informática Reconstrucción virtual Detección de intrusos Sistema de programación
• Subjects:Search encryption Computer security Virtual reconstruction Intrusion detection Programming system
• Palabras claves:Propuesto; Método de representación de características multinivel; Características a nivel de palabra; Morfología alemana; Jerga; Características a nivel de frase; Símbolos especiales; Información de sentimiento traducida al inglés; Modelo de aprendizaje profundo; Clasificación de sentimiento alemán; Mecanismo de autoatención; Textos de medios sociales alemanes; Coloquial; Irregular; Diverso; Efecto de mejora; Extracción de características; Capacidad de clasificación; Emoción alemana.
• Keywords:Proposed; Multilevel feature representation method; Word-level features; German morphology; Slang; Sentence-level features; Special symbols; English-translated sentiment information; Deep learning model; German sentiment classification; Self-attentive mechanism; German social media texts; Colloquial; Irregular; Diverse; Improvement effect; Feature extraction; Classification ability; German emotion.