基于权重增强的方面级情感分析模型

摘要：

方面级情感分析的目的在于判断文本在不同方面的情感极性.以往的研究大多集中在基于无权的句法依存树来构建网络模型.由于方面词和非方面词的句法依存关系对于目标情感的重要性是不同的,提出了基于权重增强并结合图卷积的神经网络模型(AW-IGCN).通过带权矩阵来储存更完整的句法结构,同时利用GRU来获得上下文信息,并输入到改良的图卷积网络来进行特征融合,最后运用注意力机制进行最终的分类.通过在5个开放数据集上的实验表明,该模型取得了更好的分类效果,进而验证了权重增强的句法依存关系和改良的图卷积网络可以更好地融入句法和上下文信息,在方面级情感分析领域有一定的优势.

关键词：情感分析、方面级、句法依存树、权重增强、图卷积

所属期刊栏目：43

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17XXW005

在线出版日期：2022-05-11（万方平台首次上网日期，不代表论文的发表时间）

页数：共7页

页码：747-753