计算机应用

作者：柯添赐, 刘建华, 孙水华, 郑智雄, 蔡子杰

单位：1.福建理工大学 计算机科学与数学学院, 福州 350118；2.福建省大数据挖掘与应用技术重点实验室(福建理工大学), 福州 350118

关键词：方面级情感分析,依赖关系,词性,语法依赖树,图注意力网络

基金：国家自然科学基金资助项目(62172095);福建省自然科学基金资助项目(2023J01349)

针对语法依赖树存在多个方面词相互干扰的依赖信息、无效单词，以及标点符号带来的冗余信息和方面词与对应情感词之间的关联性较弱等问题，提出一种融合强关联依赖和简洁语法的方面级情感分析模型（SADCS）。首先，构建情感词性（POS）列表，通过该列表加强方面词与对应情感的相关性；其次，构建融合POS和依赖关系的联合列表，通过该联合列表去除已优化的依赖树无效单词与标点符号的冗余信息；再次，将优化后的依赖树与图注意力网络（GAT）结合建模提取上下文特征；最后，与依赖关系类型的特征信息进行交互学习并融合特征，增强特征表示，最终使分类器能高效预测每个方面词的情感极性。将所提模型在4个公开数据集上进行实验分析，与DMF-GAT-BERT（Dynamic Multichannel Fusion mechanism based on the GAT and BERT （Bidirectional Encoder Representations from Transformers））模型相比，所提模型的准确率分别提高了1.48、1.81、0.09和0.44个百分点。实验结果表明，所提模型能够有效增强方面词与情感词的联系，使方面词情感极性的预测更准确。

来源：2024年第6期

《计算机应用》期刊编辑部

查看计算机应用杂志2024年第6期