基于双记忆注意力的万面级别情感分类模型
方面级别情感分类的研究目标是针对给定语句所描述对象的特定方面,分析该语句所表达出的情感极性.现有的解决方案中,基于注意力机制的循环神经网络模型和多层模型性能表现较好,二者都借助了深度网络和外部记忆做注意力调优,但实验结果表明这些模型在处理复杂语句时的性能不够理想.本文提出一种基于双记忆注意力机制的方面级别情感分类模型,基本设计思想是借助循环神经网络的序列学习能力得到语句编码,并构造相应的注意力机制从语句编码中提取出关于给定方面词的情感表达.为此,构造了两个外部记忆:陈述性记忆和程序性记忆,分别用于捕获语句中与给定方面词相关的词级别和短语级别信息,并设计了一个分段解码器,用于从相关记忆中选择并提取情感语义信息.为验证模型的有效性,在三个基准数据集上进行了测试,包括SemEval 2014的Laptop和Restaurant数据集和一组常用的Twitter数据集,实验结果表明,本文提出的模型在分类准确率和泛化能力上的表现优于相关工作.此外,还设计了专门实验以验证本文提出的方面级别注意力机制和情感语义提取机制的有效性,为进一步研究方面级别情感语义抽取问题提供了新的思路和实验证据.
方面级别情感分类、情感分析、注意力机制、记忆、神经语言模型
42
TP311(计算技术、计算机技术)
国家自然科学基金项目61772117;“十三五”装备预研领域基金项目6140312010203;军委科技委前沿探索项目1816321TS00105301;四川省科技服务业示范项目2018GFW0150;提升政府治理能力大数据应用技术国家工程实验室重点项目10-2018039
2019-09-23（万方平台首次上网日期，不代表论文的发表时间）
共13页
1845-1857
