融合多通道图卷积网络的方面级情感分析模型

摘要：

方面级情感分析是一项细粒度的情感分析任务,旨在对给定文本中多个特定方面进行情感极性分析.大多数基于句法分析的模型严重依赖依存树的单一解析结果,由于这种结构仅揭示2个单词之间的依存关系,因此无法捕捉方面词与上下文之间的联系.此外,大部分研究忽略了依存解析中的关系类型,可能丢失重要特征信息.提出一种基于多通道的图卷积网络(MCGCN)模型,主要包含成分图模块、依存图模块(DepGCN)以及自注意力机制,旨在挖掘句子结构中丰富的句法和语法信息.此外,为减少依存解析错误,在DepGCN中引入依存关系类型和依存概率以获取更精准的语法表示.利用预训练模型进行词嵌入得到文本初始化向量,分别输入到融合不同句法分析的图卷积网络进行不同节点的学习,利用自注意力机制能有效地对方面词进行全局的语义信息关联.最后将3个模块的输出通过仿射交互层进行交互学习,进而提升模型的表征能力.实验结果表明,MCGCN模型在Laptop数据集上的ACC值和F1 值分别为 78.48%和 75.03%,在Twitter数据集上的ACC值和F1 值分别为 75.92%和74.53%,相较于基准模型均有提升,在3个数据集上的F1值都有1%～3%的提升.

关键词：方面级情感分析、句法分析、图卷积网络、依存树、自注意力

所属期刊栏目：49

分类号：TP391(计算技术、计算机技术)

资助基金：四川省科技创新人才基金;西南石油大学自然科学启航计划项目

在线出版日期：2023-11-16（万方平台首次上网日期，不代表论文的发表时间）

页数：共9页

页码：61-69