基于注意力与双通道网络的方面级情感分析
DOI:
作者:
作者单位:

南京信息工程大学 自动化学院

作者简介:

通讯作者:

中图分类号:

TP391

基金项目:

国家自然科学基金(No.61273229、No.51705260);江苏省青蓝工程资助.


Aspect level sentiment analysis based on attention and dual channel network
Author:
Affiliation:

Automation Institute,Nanjing University of Information Science Technology

Fund Project:

  • 摘要
  • |
  • 图/表
  • |
  • 访问统计
  • |
  • 参考文献
  • |
  • 相似文献
  • |
  • 引证文献
  • |
  • 资源附件
  • |
  • 文章评论
    摘要:

    针对方面级情感分析任务不能充分兼顾句法全面性与语义关联性,且大多数研究中使用的图卷积仅考虑信息自上而下的传播,忽略了信息自下而上的聚合等问题,本文提出了基于注意力与双通道网络的情感分析模型。该模型在扩展依存表示的同时使用自注意力获取具有语义关联的信息矩阵,使用双通道网络结合全局句法与语义关联信息,双通道网络分别侧重于自上而下传播的语义特征与自下而上聚合的结构特征。通道内的图卷积输出会与信息矩阵进行交互注意力起到残差互补的作用,然后通过平均池化完成通道内的任务。最后将基于语义与基于结构的决策融合得到最终的情感分类特征。实验结果表明该模型在三个公开数据集上的准确率与F1值均有提升。

    Abstract:

    In view of the problems that aspect level sentiment analysis tasks can not give full consideration to syntactic comprehensiveness and semantic relevance, and the graph volume used in most studies only considers the top-down dissemination of information and ignores the bottom-up aggregation of information, this paper proposes an sentiment analysis model based on attention and dual channel network. While expanding the dependency representation, the model uses self attention to obtain the information matrix with semantic relevance, and uses a dual channel network to combine comprehensive syntactic and semantic relevance information. The dual channel network focuses on the semantic features of top-down propagation and the structural features of bottom-up aggregation respectively. The graph convolution output in the channel will interact with the information matrix, pay attention to complement the residual, and then complete the tasks in the channel through average pooling. Finally, the final emotion classification features are obtained by the fusion of semantic based and structure based decision-making. The experimental results show that the accuracy and F1 value of the model are improved on three public data sets.

    参考文献
    相似文献
    引证文献
引用本文
分享
文章指标
  • 点击次数:
  • 下载次数:
  • HTML阅读次数:
  • 引用次数:
历史
  • 收稿日期:2021-11-05
  • 最后修改日期:2022-03-03
  • 录用日期:2022-03-04
  • 在线发布日期:
  • 出版日期:

地址:江苏南京,宁六路219号,南京信息工程大学    邮编:210044

联系电话:025-58731025    E-mail:nxdxb@nuist.edu.cn

南京信息工程大学学报 ® 2022 版权所有  技术支持:北京勤云科技发展有限公司