首页|基于螺旋注意力网络的方面级别情感分析模型

基于螺旋注意力网络的方面级别情感分析模型

扫码查看
原文链接
  • NETL
  • NSTL
  • 万方数据
  • 维普
方面级别情感分析是一项细粒度的情感分类任务,旨在确定特定方面的情感极性.以往的方法大都是基于方面或上下文向量的平均值来学习上下文或方面词的注意力权重,但当方面词和上下文较长时,这种方法可能会导致信息丢失.该文提出了一种建立在BERT表示上的螺旋注意力网络(BHAN)来解决这一问题,模型中的螺旋注意力机制与之前注意力机制不同的是,基于方面词得到加权后的上下文表示后,用这个新的表示计算方面词的权重,然后用这个新的方面词的表示重新计算上下文的权重,如此循环往复,上下文和方面词的表示会得到螺旋式的提高.该文在2014年SemEval任务4和Twitter数据集上进行了模型评估,实验结果表明,其性能超过了之前最佳模型的结果.
Helical Attention Networks for Aspect-level Sentiment Classification

杜成玉、刘鹏远

展开 >

北京语言大学 信息科学学院,北京 100083

北京语言大学 国家语言资源监测与研究平面媒体中心,北京 100083

螺旋注意力 方面级别情感分析 文本表示

北京市自然科学基金北京语言大学院级项目(中央高校基本科研业务费专项资金)

419205719YJ040003

2020

中文信息学报
中国中文信息学会,中国科学院软件研究所

中文信息学报

CSTPCDCSCDCHSSCD北大核心
影响因子：0.8
ISSN：1003-0077
年,卷(期)：2020.34(9)
  • 14
  • 25