基于多注意力卷积神经网络的特定目标情感分析

摘要：

特定目标情感分析作为情感分析一个重要的子任务,近年来得到越来越多研究人员的关注.针对在特定目标情感分析中,将注意力机制和LSTM等序列性输入网络相结合的网络模型训练时间长、且无法对文本进行平行化输入等问题,提出一种基于多注意力卷积神经网络(multi-attention convolution neural networks,MATT-CNN)的特定目标情感分析方法.相比基于注意力机制的LSTM网络,该方法可以接收平行化输入的文本信息,大大降低了网络模型的训练时间.同时,该方法通过结合多种注意力机制有效弥补了仅仅依赖内容层面注意力机制的不足,使模型在不需要例如依存句法分析等外部知识的情况下,获取更深层次的情感特征信息,有效识别不同目标的情感极性.最后在SemEval2014数据集和汽车领域数据集(automotive-domain data,ADD)进行实验,取得了比普通卷积神经网络、基于单注意力机制的卷积神经网络和基于注意力机制的LSTM网络更好的效果.

关键词：注意力机制、卷积神经网络、特定目标情感分析、深度学习、自然语言处理

所属期刊栏目：54

分类号：TP391(计算技术、计算机技术)

资助基金：国家自然科学基金项目61272005,61303108,61373094,61472262,61502323,61502329;江苏省自然科学基金项目BK2012616;江苏省高校自然科学研究项目13KJB520020;吉林大学符号计算与知识工程教育部重点实验室基金项目93K172014K04 This work was supported by the National Natural Science Foundation of China61272005,61303108,61373094,61472262,61502323,61502329;the Natural Science Foundation of Jiangsu ProvinceBK2012616;the High School Natural Science Foundation of Jiangsu Province13KJB520020;the Foundation of the Key Laboratory of Symbolic Computation and Knowledge Engineering of Ministry of Education Jilin University93K172014K04

在线出版日期：2017-09-27（万方平台首次上网日期，不代表论文的发表时间）

页数：共12页

页码：1724-1735