基于改进自注意力机制的方面级情感分析

摘要：

方面级情感分析是一项细粒度的情感分类任务,目前常用的研究方法是使用神经网络模型结合注意力机制的模式,使用注意力机制挖掘方面词和上下文之间的关系.但是传统的注意力机制在训练时,往往会倾向于关注出现频率较高的情感词,给其分配较高的注意力权重值,对于低频情感词却关注不足.为了解决上述问题,提出了一种使用改进的自注意力机制的方面级情感分析模型.通过改进注意力机制的训练过程,使模型的注意力机制在训练时可以针对性地屏蔽掉高频情感词的影响,挖掘出句子中的低频情感词,得到更高的情感分类准确率.在SemEval 2014的两个公开数据集和Twitter数据集上进行了相应的实验,该方法与ATAE-LSTM等模型相比,情感分类准确率分别提升了1.93％、2.04％、0.93％.

关键词：情感分类;方面级别;自注意力机制;双向LSTM

所属期刊栏目：41

分类号：TP391(计算技术、计算机技术)

资助基金：湖北省技术创新专项资助项目;湖北省科技计划资助项目;武汉市科技计划应用基础前沿项目

在线出版日期：2022-02-16（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：94-100