利用异构图神经网络实现情绪-原因对的有效抽取
情绪-原因对的自动抽取,是文本情感分析的新任务,旨在以子句为单位,从不带任何标注的原始文本中识别情绪表达,并确定产生相应情绪的原因,形成情绪-原因对.完成上述任务的关键是有效捕捉情绪和原因之间以及不同情绪-原因对之间的关联.针对现有研究在捕捉这些关联方面存在的粒度过粗、无法有效区分不同子句对之间因果关系的相互影响等不足,提出了一种基于异构图神经网络的情绪-原因对抽取方法.该方法首先构建以子句和子句对为顶点的异构图,其中子句和子句对之间以及不同的子句对之间存在不同类型的边,用于捕捉各种细粒度的关联;然后采用带有注意力机制的异构图神经网络顶点表达更新算法,对子句和子句对的初始表达进行迭代更新;接着将更新后的子句对表达输入到二元分类器,通过该分类器判断相应的子句对是否存在情绪-原因关系.在情绪-原因对抽取任务的基准数据集上进行的实验表明,所提基于异构图神经网络的方法具有稳定的效果提升,在F1值上比当前最好的方法高0.85％;如果底层编码器(用于得到初始的子句表达和子句对表达)采用BERT,F1值可以达73.12％,也优于底层编码器同样采用BERT的现有最新算法.
情感分析、情绪原因对抽取、异构图神经网络、图神经网络
50
TP391(计算技术、计算机技术)
国家重点研发计划2020YFB0704502
2023-02-07（万方平台首次上网日期，不代表论文的发表时间）
共8页
205-212
