基于多粒度特征融合的新型图卷积网络用于方面级情感分析

方面级情感分析是情感分析中的细粒度任务，旨在检测给定句子中方面词的情感极性。随着图卷积网络的兴起，通过依赖树构建的图卷积网络模型被广泛用于该任务，并取得了令人满意的效果。但大多数研究只获取图卷积网络最后一层输出作为分类层的输入，忽略了其他层的节点特征，且深层图卷积网络存在节点平滑问题。近年来，有研究者将图卷积网络的多层节点特征进行集成，提高了情感分类模型的性能。文中结合自适应特征融合与高速公路网络，提出了一种基于多粒度特征融合的高速公路图卷积网络模型，用于方面级情感分析。首先，该模型通过句法依赖结构和双向的上下文信息构建图卷积网络；同时，在图卷积网络引入高速公路网络缓解深层图卷积网络过平滑的问题，加深图卷积网络的深度。然后，使用自适应融合机制从不同深度图卷积网络获得多粒度节点信息。最后，在公共数据集上进行实验，实验结果表明，与基准模型相比，所提模型能更好地捕获更多粒度的句法信息和长距离依存关系。