计算机技术与发展2023，Vol.33Issue(5) ：167-172.DOI:10.3969/j.issn.1673-629X.2023.05.025

一种融合位置特征的方面级情感分析方法

An Aspect-level Sentiment Analysis Method with Location Features

翟社平 成大宝 张文晴 刘园彪
计算机技术与发展2023，Vol.33Issue(5) ：167-172.DOI:10.3969/j.issn.1673-629X.2023.05.025
✕
  • 国家科技期刊平台
  • NETL
  • NSTL
  • 维普
  • 万方数据

一种融合位置特征的方面级情感分析方法

An Aspect-level Sentiment Analysis Method with Location Features

翟社平 1成大宝 2张文晴 2刘园彪2
扫码查看

作者信息

  • 1. 西安邮电大学 计算机学院,陕西 西安 710121;陕西省网络数据分析与智能处理重点实验室,陕西 西安 710121
  • 2. 西安邮电大学 计算机学院,陕西 西安 710121
  • 折叠

摘要

方面级情感分析是如今情感分析领域的重要研究任务之一,旨在计算文本中多个方面词的情感极性.现有的方面级情感分析方法通常将整个句子直接输入复杂的神经网络,尽管此类方法能够有效捕捉到词与词之间的依赖关系,却忽略了方面词与其上下文之间所隐含的位置特征.因此,提出了一种融合位置特征的方面级情感分析方法.将文本分别采用基于方面词间隔的上下文划分方式与基于单词距离的上下文划分方式,通过两个微调后的BERT模型,完成词向量的表达;将两种词向量送入多头注意力机制,计算其文本特征;使用平均池化将语义信息进行融合,在输出层完成方面词的情感极性分类.在SemEval2014 Task4数据集和Twitter数据集上的实验表明,提出的融合位置特征的方面级情感分析方法能够充分利用方面词上下文之间的位置特征,有效提升了准确率和F1值.

关键词

方面级情感分析/位置特征/注意力机制/BERT/深度学习

引用本文复制引用

基金项目

工业和信息化部通信软科学项目(2018R26)

陕西省重点研发计划项目(2022GY-038)

国家级大学生创新创业训练计划项目(202111664004)

出版年

2023
计算机技术与发展
陕西省计算机学会

计算机技术与发展

CSTPCD
影响因子：0.621
ISSN：1673-629X
参考文献量4
段落导航相关论文