基于螺旋注意力网络的方面级别情感分析模型

摘要：

方面级别情感分析是一项细粒度的情感分类任务,旨在确定特定方面的情感极性.以往的方法大都是基于方面或上下文向量的平均值来学习上下文或方面词的注意力权重,但当方面词和上下文较长时,这种方法可能会导致信息丢失.该文提出了一种建立在BERT表示上的螺旋注意力网络(BHAN)来解决这一问题,模型中的螺旋注意力机制与之前注意力机制不同的是,基于方面词得到加权后的上下文表示后,用这个新的表示计算方面词的权重,然后用这个新的方面词的表示重新计算上下文的权重,如此循环往复,上下文和方面词的表示会得到螺旋式的提高.该文在2014年SemEval任务4和Twitter数据集上进行了模型评估,实验结果表明,其性能超过了之前最佳模型的结果.

关键词：螺旋注意力、方面级别情感分析、文本表示

所属期刊栏目：34

分类号：TP391(计算技术、计算机技术)

资助基金：北京市自然科学基金;北京语言大学院级项目中央高校基本科研业务费专项资金

在线出版日期：2020-11-27（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：70-77