北京邮电大学学报2024,Vol.47Issue(1) :127-132.DOI:10.13190/j.jbupt.2023-005

基于自注意力与图卷积网络的方面级情感分析

Aspect-Level Sentiment Analysis Based on Self-Attention and Graph Convolutional Network

陈可嘉 黄春香 林鸿熙
北京邮电大学学报2024,Vol.47Issue(1) :127-132.DOI:10.13190/j.jbupt.2023-005

基于自注意力与图卷积网络的方面级情感分析

Aspect-Level Sentiment Analysis Based on Self-Attention and Graph Convolutional Network

陈可嘉 1黄春香 1林鸿熙2
扫码查看

作者信息

  • 1. 福州大学 经济与管理学院, 福州350108
  • 2. 莆田学院 商学院,莆田351100
  • 折叠

摘要

针对以往大多数方面级情感分析研究中方面词与上下文交互信息缺失,无法充分利用语义信息等问题,提出一种基于自注意力与图卷积网络结合的方面级情感分析模型.为了提高模型的语义表示能力,一方面利用多头自注意力机制,获取文本长距离依赖关系,与依存关系类型矩阵结合,计算融合位置信息和关系类型信息的权重矩阵,输入图卷积网络获取文本特征表示;另一方面设计了文本-方面注意力层,增强方面与上下文的交互,输入图卷积网络获取方面特征表示;最后连接2个向量,完成情感分析任务.在2个开放数据集中,所提模型的整体性能优于其他对比模型.

关键词

方面级情感分析/图卷积网络/自注意力机制/语义感知

Key words

aspect-level sentiment analysis/graph convolution network/self-attention mechanism/semantic perception

引用本文复制引用

基金项目

国家自然科学基金项目(72374030)

出版年

2024
北京邮电大学学报
北京邮电大学

北京邮电大学学报

CSTPCDCSCD北大核心
影响因子:0.592
ISSN:1007-5321
参考文献量18
段落导航相关论文