SS-GCN:情感增强和句法增强的方面级情感分析模型

摘要：

方面级情感分析(Aspect-Based Sentiment Analysis,ABSA)作为知识图谱下游应用,属于细粒度情感分析任务,旨在理解人们对评价目标在方面层次的情感极性.近年来,相关研究已经取得显著进步,但现有方法侧重于利用句子内的顺序性或句法依赖约束,而没有充分利用上下文词与方面词之间的依赖类型.此外,现有的基于图卷积神经网络模型对节点特征保留的能力不足.针对该问题,首先,在句法依赖树的基础上,充分挖掘上下文词与方面词之间的依赖类型,将其融入依赖图的构建;其次,定义了一个"敏感关系集合",利用它来构建辅助句以增强特定上下文词与方面词之间的关联性,同时结合情感知识网络SenticNet以增强句子的依赖图,进而改进图神经网络的构建;最后,引入上下文保留机制,来减小节点特征在多层图卷积神经网络中的信息损失.提出的SS-GCN模型将并行学习到的句法表示和上下文表示进行融合以完成情感增强和句法增强.在3个公开数据集上进行了广泛的实验,证明了SS-GCN的有效性.

关键词：方面级情感分析、图卷积神经网络、SenticNet、注意力机制、Bi-LSTM

所属期刊栏目：50

分类号：TP391(计算技术、计算机技术)

资助基金：中央高校基本科研业务费专项;辽宁省自然科学基金面上项目;全国高等院校计算机基础教育研究会计算机基础教育教学研究课题

在线出版日期：2023-03-22（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：3-11