A Novel LSTM Framework with Multi-head Attention论文 – LSTM结合多头注意力的情感分析模型
该项目提出了一种创新的情感分析框架，结合长短期记忆网络（LSTM）和多头注意力机制，并采用TF-IDF进行特征优化。
在公开数据集（20,000条文本，含愤怒/恐惧/快乐/悲伤/惊喜五类情感）上的实验显示：测试集准确率80.28%（较基线提升12%），
训练集准确率高达99.64%，F1分数、AUC等指标均超过0.9。模型通过可学习的融合机制解决统计特征与上下文特征的冲突，
支持并行计算，特别擅长处理长序列数据中的复杂情绪。
