基于注意力机制的评论情感分析及情感词检测

摘要：

评论情感分析是用户生成内容分析的一个研究热点.评论对象的多样性与评论者用语的随意性,导致评论情感分析成为一个非常具有挑战性的任务.现有方法主要通过预先构建情感词表来计算评论的情感极性,但这类方法无法处理同一个词语在不同语境下情感极性存在差异的问题.针对这一问题,文中提出了一种基于注意力的卷积-递归神经网络模型,对评论的情感极性和词语在不同语境下的情感极性进行了建模.通过结合词语在句子中的上下文语境,所提方法可以将注意力集中在主要情感词周围的一个小范围内,并以一种自适应的方式对情感词的情感极性进行计算,提高了词语情感极性判断的准确率,进而提高了短文本的情感极性准确率.与CRNN,CNN以及基于情感词典的方法相比,所提方法在中文数据集(美团评论、党建评论)和英文数据集(亚马逊商品评论数据集)上都达到了更好的效果.

关键词：情感分析、注意力机制、卷积-递归神经网络、多粒度

所属期刊栏目：47

分类号：TP391(计算技术、计算机技术)

资助基金：国家重点研发计划项目;国家自然科学基金青年项目;重庆市基础与前沿研究计划项目

在线出版日期：2020-03-26（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：186-192