基于知识增强的方面级情感分析方法

摘要：

方面级情感分析能够准确判断出句子中方面词的情感极性,在社交、电子商务等领域发挥着重要的作用.现有的方法大多通过序列表示或者注意力机制建模上下文和目标词间的关系,忽略了文本的背景知识以及方面词之间的概念链接,导致学习到的语义关系不够充分.针对上述问题,提出一种基于知识增强的方面级情感分析模型(Aspect Based Sentiment Analysis Model Based on Knowledge Enhancement,ABSA-KE).首先,通过预训练模型BERT提取特征并得到对应的词向量,并使用解析器获取文本对应的依存关系树,利用BiLSTM和图注意力网络联合建模来学习节点嵌入表示并获得文本向量;其次,使用外部知识库引入不同语境下的方面词知识向量来增强方面级情感分析模型;最后,进行情感分类任务.通过与已有模型对比的实验结果表明,本文所提出的模型在方面级情感分析任务上是有效且合理的.

关键词：方面级情感分析、图注意力网络、外部知识库、BERT、依存树

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;辽宁省自然科学基金一般项目

在线出版日期：2023-11-15（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：1-8