|
|||||
|
|
| 基于关系门控图卷积网络的方面级情感分析 | |
| 作者姓名： | 程艳芬 吴家俊 何凡 |
| 作者单位： | 武汉理工大学计算机与人工智能学院 |
| 摘 要： | 在方面级情感分析任务中,现有方法难以有效利用句法关系类型且性能依赖依存解析的准确性,为此提出注意力增强的关系门控图卷积神经网络（ARGCN）模型.该模型将双向长短时记忆（BiLSTM）网络学习得到的句子顺序特征与依存概率矩阵相结合构建单词图;利用关系门控图卷积神经网络（RG-GCN）和注意力增强网络（AAN）分别从单词图和句子的顺序特征中获取方面词的情感特征;拼接RG-GCN和AAN的输出作为方面词最终的情感特征.在数据集SemEval 2014、 Twitter上进行对比实验和消融实验,结果表明ARGCN模型可以有效地利用关系类型,减小依存解析准确性对模型性能的影响,更好地建立方面词和意见词的联系,模型准确率优于所有基线模型. |
| 关 键 词： | 方面级情感分析 图卷积网络 注意力机制 依存树 门机制 自然语言处理 |