计算机应用

作者：张正悦, 彭菊红, 丁子胥, 范馨予, 胡长玉

单位：1.湖北大学 人工智能学院，武汉 430062；2.智能感知系统与安全教育部重点实验室（湖北大学），武汉 430062

关键词：方面情感三元组抽取,句法依赖关系,词性信息,句法依赖距离,图卷积网络

基金：国家自然科学基金面上项目(62377009)

在自然语言处理（NLP）任务中，方面情感三元组抽取（ASTE）旨在识别文本中方面词、观点词和情感极性之间的联系，是实现细粒度情感分析的关键步骤。在当前的主流方法中，端到端模型普遍存在对语言特征理解不足以及对情感表达稀疏性处理不佳的问题，进而限制了模型的准确性和鲁棒性，而管道式模型存在传播错误问题。针对上述问题，提出一种融合情感词典的多视角语言特征ASTE模型（MVLF-SL）。在MVLF-SL中，多视角语言特征能够帮助模型理解上下文和隐含语义，而情感词典能够提供额外的情感先验知识。首先，利用图卷积网络（GCN）对多视角语言特征进行特征表达，并得到增强的语言特征；其次，使用动态融合策略将增强的语言特征与情感词典相融合；再次，利用多层GCN结合邻接关系和节点特征增强方面词和观点词的特征表示；最后，利用双仿射注意力（BA）机制改进的边界驱动的表格填充（BDTF）方法对三元组进行解码和抽取。实验结果表明，在ASTE-DATA-V2数据集的4个子数据集14res、14lap、15res和16res上，相较于BDTF模型，MVLF-SL的F1分数分别提升了0.57、2.08、2.20、1.74个百分点。可见，所提模型能在ASTE上取得更好的表现，并充分利用了语言特征和外部情感知识。

来源：2025年第12期

《计算机应用》期刊编辑部

查看计算机应用杂志2025年第12期