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

摘要：

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.

关键词：多粒度、特征融合、图卷积神经网络、高速公路网络、方面级情感分析

所属期刊栏目：50

分类号：TP391(计算技术、计算机技术)

在线出版日期：2023-10-13（万方平台首次上网日期，不代表论文的发表时间）

页数：共8页

页码：80-87