面向问答文本的属性级情感分类研究

摘要：

传统情感分析任务的目的是分析整个文本的情感极性,这是一种粗粒度的任务.近年来,随着技术的革新,情感分析任务也在不断细化,研究者们希望能获取关于文本中具体对象的情感极性.文中的研究任务是获取问答文本中关于产品属性的情感极性.针对问答文本的属性级情感分析问题,提出了一种基于注意力机制的方法.首先,将属性信息拼接到答案词向量上;其次,对答案文本和问题文本学习一个LSTM模型;然后,通过注意力机制获得问题文本和答案文本的相关性,并根据相关性的重要程度获取答案文本的整体特征;最后,通过分类器输出最终的整体特征结果.实验结果表明,所提方法优于传统的属性级情感分析方法.

关键词：问答文本、情感分析、注意力机制

所属期刊栏目：46

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61672366

在线出版日期：2019-12-19（万方平台首次上网日期，不代表论文的发表时间）

页数：共4页

页码：5-8