基于LaLI和GCN的方面级情感分类模型

摘要：

图卷积网络(graph convolution network,GCN)和循环神经网络的方面级情感分类方法忽略了单词词性信息和方面词与上下文单词之间的位置信息,且难以突出方面与其关键情感词之间的联系和重要性.针对上述问题,提出了一种基于GCN并融合多方面信息的方面情感分类模型(LaLI-GCN).使用双向长短期记忆网络提取语义信息,并设计融合算法引入单词的词性与位置信息(lexical and location information,LaLI);结合融合算法的结果用于设计增强算法去生成增强句法依存树,采用GCN融合语义信息和句法依存信息;根据掩码机制提取特定方面特征,利用交互注意力捕捉方面与上下文之间的交互信息完成情感分类.模型在三个公开数据集的实验证明了经过算法融合的词性与位置信息对于提升情感判别的有效性,且相较于当前代表模型有更好的情感分类效果.

关键词：方面级情感分类、单词词性、位置信息、图卷积网络、句法依存树

所属期刊栏目：59

分类号：TP391(计算技术、计算机技术)

资助基金：国家自然科学基金;国家自然科学基金

在线出版日期：2023-07-18（万方平台首次上网日期，不代表论文的发表时间）

页数：共10页

页码：110-119