摘要
随着互联网和数字技术的蓬勃发展，互联网用户能够通过网络自由地对一些热点事件或者各种产品表达自己的观点及态度。对网络存在的评论进行情感分析，有助于商家优化自己产品的质量和服务，也有助于加快消费者对产品的选择，具有很高的社会与经济价值。与传统的粗粒度的文本情感分析不同，方面级情感分析专注于识别文本中特定方面的情感极性，而非句子整体的情绪。这种精细化的情感分析能深入地分析评论者对不同方面的态度。本文主要围绕方面情感分析及方面情感三元组抽取这两个关键子任务进行分析研究，旨在深化对这一领域的理解和探索。具体的研究内容如下： 1.在方面情感分析任务中，以往的研究通常把研究重心放在语义特征的提取上，经常忽略句子中情感词的作用，但是情感词往往就是某个方面词对应的观点词，对分类有重要作用。同时一些研究对方面词的特征提取也比较简单，并没有考虑方面词间连接关系的影响，所以本文提出了一种基于句法分析的情感增强和方面增强的方面情感分析方法。为了提取句子中隐含的多种信息，在词嵌入层增加了词性编码和位置编码，然后使用Transformer的Encoder模块来进一步提取语义特征。使用GAT网络对添加了情感关系的依存句法树进行特征学习。另一方面，对由成分句法树构建的方面词-连接词图加强方面特征的学习。最后将得到的多个特征进行融合用来进行方面情感分类。为了验证模型的性能，将本文模型与多个基线模型进行对比，同时设计多组消融实验验证模型中各模块的功能，最后对模型中重要的超参数进行实验以确定最优值。最终通过多种实验验证了本文方法在方面情感分析任务上的有效性。 2.在方面情感三元组抽取任务中，为了深入挖掘句子中隐藏的各种特征，同时提高三元组解码的性能，本文提出了一种基于BERT的双特征融合的方面情感三元组抽取方法。本文先使用预训练的BERT模型进行词嵌入表示，然后通过句子的依存关系来提取句子的句法结构特征，通过多头自注意力机制获得的权重矩阵来进一步学习句子的语义特征，然后将提取的多个特征进行融合。研究人员对于三元组解码已经研究出了许多方法，比如网格标记方案，但是该方案较少考虑到方面词由多个单词组成的情况，所以本文使用了一种专门为三元组解码设计的基于边界驱动的表格填充方法。通过在与多个基线模型进行对比，本文提出的方法在REST14，LAP14，REST15和REST16上F1值分别达到了75.57%、62.94%、67.52%和72.67%，结果表明模型能够很好地提取句子中的语义信息和句法结构信息，在方面情感三元组抽取任务中取得了优秀的表现。
NETL