基于图卷积神经网络和依存句法分析的网民负面情感分析研究

摘要：

[目的]探索结合网络舆情文本的语义特征和依存结构信息进行网民负面情感分析研究.[方法]提出基于图卷积神经网络和依存句法分析的网民负面情感分析模型.模型结合双向长短期记忆网络和自注意力机制抽取文本特征作为依存句法图中的节点特征,应用图卷积神经网络对生成的节点特征和依存句法图对应的邻接矩阵进行训练学习,输出负面情感类别(愤怒、厌恶、恐惧和悲伤).[结果]结合新冠疫情等网络舆情数据进行实证研究,并与相关基线模型作比较.实验结果表明,所提模型具有一定的优越性,在"恐惧"这一情感类别中,识别准确率达到93.535％.[局限]所提模型仅在网络舆情数据集中进行测试,未在公开数据集中进一步验证.[结论]依存句法结构信息的加入以及图卷积神经网络和注意力机制的应用能够有效提升模型的负面情感分析能力.

关键词：网络舆情;负面情感;图卷积神经网络;自注意力机制;依存句法

所属期刊栏目：5

分类号：G202(信息与传播理论)

资助基金：本文系国家自然科学基金项目;南京大学文科青年跨学科团队专项

在线出版日期：2021-12-28（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：97-106