基于图注意力神经网络的中文隐式情感分析

摘要：

情感分析是自然语言处理领域的重要任务之一,情感分析任务包含显式情感分析和隐式情感分析.由于隐式情感不包含显式情感词语,情感表达更加委婉,所以面临更大的挑战.提出基于图注意力神经网络的隐式情感分析模型ISA-GACNN(Implicit Sentiment Analysis Based on Graph Attention Convolutional Neural Network),构建文本和词语的异构图谱,使用图卷积操作传播语义信息,使用注意力机制计算词语对文本情感表达的贡献程度.针对多头注意力保存重复信息问题,使用注意力正交约束使得不同注意力存储不同的情感信息;针对情感信息分布不均的情况,提出注意力分值约束使模型关注部分重要词语.在隐式情感分析评测数据集上验证模型效果,所提出模型的F值达到91.7％,远高于文献中的基准模型;对注意力机制进行分析,验证了正交约束和分值约束的有效性.

关键词：隐式情感分析;注意力机制;图神经网络;正交约束

所属期刊栏目：57

分类号：TP183(自动化基础理论)

资助基金：山东理工大学科研启动项目419038

在线出版日期：2021-12-22（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：161-167