计算机应用

作者：郭磊, 贾真, 李天瑞

单位：1.西南交通大学 计算机与人工智能学院，成都 611756；2.四川省制造业产业链协同与信息化支撑技术重点实验室（西南交通大学），成都 611756；3.综合交通大数据应用技术国家工程实验室（西南交通大学），成都 611756

关键词：方面级情感分析,图注意力网络,语义特征,观点倾向,网络评论

基金：国家自然科学基金资助项目(62176221)

方面级情感分析领域主要采用基于注意力机制的神经网络模型，这类模型忽略了方面词与观点词之间的依存关系和方面词与上下文词之间的距离，导致该类模型情感分类结果不够精确。为了解决上述问题，建立一种交互式关系图注意力网络（RI-GAT）模型。首先，通过长短期记忆（LSTM）网络学习句子的语义特征；然后，将学习的语义特征结合句子的位置信息生成新的特征；最后，在新的特征中提取各方面词和观点词之间的依存关系，实现对句法依存信息和位置信息的高效利用。在Laptop、Restaurant和Twitter数据集上的实验结果表明，相较于次优的动态多通道图卷积网络（DM-GCN），RI-GAT模型分类准确率（Acc）提高了0.67、1.65和1.36个百分点，说明了RI-GAT模型可以更好地建立方面词和意见词之间的联系，使得情感分类更加精确。

来源：2024年第3期

《计算机应用》期刊编辑部

查看计算机应用杂志2024年第3期