计算机应用

作者：吕星辰, 林伟君, 黄红星

单位：1.广东省农业科学院 农业经济与信息研究所，广州 510640；2.农业农村部华南都市农业重点实验室（广东省农业科学院），广州 510640

关键词：食品安全网络舆情,多情感分析,RoBERTa,交互注意力网络,注意力机制,特征融合

基金：2024年度广东省哲学社会科学规划项目(GD24XGL021)

为了解决食品安全网络舆情中评论文本情感复杂多样，且依赖讨论的话题和博文信息的问题，提出一种融合话题博文的评论文本多情感分析模型TBR-MSAM（Topic Blog Review-Multi-Sentiment Analysis Model）。首先，使用RoBERTa（Robustly optimized BERT （Bidirectional Encoder Representations from Transformers）pretraining approach）和深度学习模型构建话题博文评论特征提取（TBR-FE）模块分别对话题、博文和评论信息进行上下文特征提取；其次，构建话题博文评论的交互注意力特征融合（TBR-IAFF）模块对话题-评论和博文-评论进行两两交互以获得交互特征，并进行权重的合理分配，从而挖掘话题、博文和评论之间的复杂关系；接着，构建话题博文评论的交叉特征融合（TBR-CFF）模块对多个信息进行深层次特征融合，从而挖掘用户潜在的情感特征；最后，通过Softmax对食品安全网络舆情中评论文本的4种情感极性进行分类。在所构建的3个食品安全网络舆情数据集上的实验结果表明，相较于无话题和博文信息的最优基线模型，TBR-MSAM的Macro-F1和准确率分别至少提升了5.0和5.8个百分点；相较于融合话题和博文信息的最优基线模型，TBR-MSAM的Macro-F1和准确率分别至少提升0.2和1.1个百分点；相较于同时带有话题、博文和评论文本信息的最优基线模型，TBR-MSAM的Macro-F1和准确率分别至少提升了11.7和10.0个百分点，验证了TBR-MSAM在食品安全网络舆情的多情感分类任务中的有效性。

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