CGL-MHA：集成GCN、LSTM和多头注意力的谎言检测模型

论文“An Innovative CGL-MHA Model for Sarcasm Sentiment Recognition Using the MindSpore Framework”源码 这是我们的论文：https://arxiv.org/abs/2411.01264

项目结构

• headlines/：包含不同模型及配置的Python脚本。
  • CNN.py：卷积神经网络模型。
  • GRU.py：门控循环单元模型。
  • LSTM.py：长短期记忆网络模型。
  • LSTM_GRU_CNN_MulA_Per.py：使用LSTM、GRU、CNN和多头注意力的混合模型。
  • LSTM_GRU_MulA.py：使用LSTM、GRU和多头注意力的组合模型。
  • SVM.py：支持向量机模型，用于对比实验。

安装步骤

1. 克隆仓库
   下载项目文件或克隆此仓库。

   git clone https://github.com/bitbitlemon/CGL-MHA.git
   cd CGL-MHA-main

2. 安装依赖
   使用 pip 安装 requirements.txt 中列出的依赖包。

   pip install -r requirements.txt

使用说明

根据实验需求，在 headlines 目录中运行相应的模型脚本。例如，要运行LSTM-GRU-多头注意力模型，使用以下命令：

python headlines/LSTM_GRU_MulA.py

模型描述

• GCN：图卷积网络帮助建模图结构中节点之间的依赖关系。
• LSTM：LSTM网络用于捕捉序列数据中的时间依赖性。
• 多头注意力：注意力机制允许模型关注输入序列的不同部分，提升了可解释性。

每个模型脚本都提供了不同的方法来解决谎言检测问题，以便进行灵活的实验。

感谢MindSpore社区提供的支持