面向方面级情感分析的多视图表示模型

TP391; 面向特定方面的用户评论细粒度情感分析是当前自然语言处理领域一个热门的研究话题,针对评论语句在内容表达和句法结构上的灵活性,综合运用词性、句法、语义等知识增强评论语句的特征表示是当前一种主要的研究思路.基于此,提出一种多视图融合表示的图卷积网络模型.该模型通过自注意力和特定方面注意力,学习得到评论语句基于上下文的增强表示;分别利用句法依赖信息和词共现信息,通过图卷积操作得到评论语句基于句法和基于语义的两种不同表示;在获得三种不同视图表示的基础上设计了一种分层融合方式,通过对三种表示的不同组合与卷积操作实现不同视图表示间的信息共享与互补.五个公开数据集上的实验结果表明该模型较现有模型...

Full description

Saved in:
Bibliographic Details
Published in计算机工程与应用 Vol. 60; no. 5; pp. 112 - 121
Main Authors 徐学锋, 韩虎
Format Journal Article
LanguageChinese
Published 兰州交通大学 电子与信息工程学院,兰州 730070 01.03.2024
Subjects
注意力机制
multiview representation
attention mechanism
多视图表示
graph convolution network
图卷积网络
方面级情感分析
aspect-level sentiment analysis
Online AccessGet full text
ISSN1002-8331
DOI10.3778/j.issn.1002-8331.2210-0231

Cover

More Information
Summary:TP391; 面向特定方面的用户评论细粒度情感分析是当前自然语言处理领域一个热门的研究话题,针对评论语句在内容表达和句法结构上的灵活性,综合运用词性、句法、语义等知识增强评论语句的特征表示是当前一种主要的研究思路.基于此,提出一种多视图融合表示的图卷积网络模型.该模型通过自注意力和特定方面注意力,学习得到评论语句基于上下文的增强表示;分别利用句法依赖信息和词共现信息,通过图卷积操作得到评论语句基于句法和基于语义的两种不同表示;在获得三种不同视图表示的基础上设计了一种分层融合方式,通过对三种表示的不同组合与卷积操作实现不同视图表示间的信息共享与互补.五个公开数据集上的实验结果表明该模型较现有模型取得了更好的性能.
ISSN:1002-8331
DOI:10.3778/j.issn.1002-8331.2210-0231