基于自注意力机制的方面情感分类

摘要：

基于方面的情感分类方法判断句子中给定实体或属性的情感极性.针对使用全局注意力机制计算属性词和句子其他词的注意力分数时,会导致模型关注到与属性词不相关的词,并且对于长距离的依赖词、否定词关注不足,不能检测到并列关系和短语的问题,提出了基于自注意力机制的语义加强模型(SRSAM).该模型首先使用双向长短时记忆神经网络模型(bidirectional long short-term memory,BiLSTM)获取文本编码,其次用自注意力机制计算文本编码的多个语义编码,最后将属性词和语义编码交互后判断属性词在句中的情感极性.使用SemEval 2014数据集的实验表明,由于模型能发现长距离依赖和否定词,对并列关系和短语有一定检测效果,相比基础模型在分类精度上有0.6％～1.5％的提升.

关键词：方面词、情感分类、自注意力机制、语义编码

所属期刊栏目：37

分类号：TP391(计算技术、计算机技术)

在线出版日期：2020-12-15（万方平台首次上网日期，不代表论文的发表时间）

页数：共6页

页码：3227-3231,3245