计算机应用

作者：陈丽安, 过弋

单位：1.华东理工大学 信息科学与工程学院, 上海 200237；2.大数据流通与交易技术国家工程实验室(上海数据交易所), 上海 200436；3.上海大数据与互联网受众工程技术研究中心, 上海 200072

关键词：文本情感分析,自注意力机制,交叉注意力机制,Transformer模型,长短期记忆网络

基金：上海市科学技术委员会科技计划项目(22DZ1204903)

目前情感分析任务经常只聚焦于评论文本本身，忽略了评论者与被评论者的个体偏差特征，会显著影响对文本的整体情感判断。针对上述问题，提出一种融合评论双边个体偏差信息的文本情感分析模型UP-ATL （User and Product-Attention TranLSTM）。该模型使用自注意力机制、交叉注意力机制对评论文本与个体偏差信息分别进行双向融合，在融合过程中采用定制化权重的计算方式，以缓解实际应用场景中冷启动带来的数据稀疏问题，最终得到特征充分融合的评论文本和评论双边的表示信息。选取餐饮领域、电影领域的三个真实公开数据集Yelp2013、Yelp2014、IMDB进行效果验证，与UPNN（User Product Neural Network）、NSC（Neural Sentiment Classification）、CMA（Cascading Multiway Attention）、HUAPA （Hierarchical User And Product multi-head Attention）等基准模型进行比较。实验结果表明，相较于比较模型中最好的HUAPA模型，UP-ATL的准确度在三个数据集上依次分别提高了6.9、5.9和1.6个百分点。

来源：2024年第1期

《计算机应用》期刊编辑部

查看计算机应用杂志2024年第1期