融合句法树多信息学习方面级情感分析

摘要：

近年来的方面级情感分析基本都是单一地进行语义信息或语法信息的挖掘,未建立语义信息和语法信息之间的关联,且已有模型大多都是单一地将词的相对距离或语法距离嵌入模型中,忽略了相对距离和语法距离对方面词的联合影响,同时未充分考虑单词在依存句法树中的位置关系.建立一种融合句法树多信息学习的方面级情感分析模型MILFST,有针对性地利用不同神经网络的优点进行模型构建,以获得更为丰富的信息.通过双向长短时记忆网络捕捉文本序列的信息,根据依存句法树的树形结构更新序列信息,将相对距离和语法距离位置信息嵌入文本序列中,分别通过卷积神经网络和图卷积网络学习语义信息和语法信息.通过注意力机制实现语义信息和语法信息的优化融合,并将融合后的信息输入Softmax分类器中进行情感极性分类.实验结果表明,在Twitter、Lap14、Res14、Res15、Res16数据集上,MILFST模型的准确率和F1值分别为 74.27%和 73.14%、77.74%和 74.27%、82.50%和74.54%、81.73%和66.15%、89.61%和71.57%,模型中的树形结构有助于对信息的捕获,同时兼顾语法信息与语义信息的学习有利于方面词情感极性判断.

关键词：语义信息、语法信息、卷积神经网络、图卷积网络、注意力机制

所属期刊栏目：49

分类号：TP391(计算技术、计算机技术)

资助基金：国家自然科学基金71761018

在线出版日期：2023-10-20（万方平台首次上网日期，不代表论文的发表时间）

页数：共8页

页码：72-79