计算机应用

作者：郑智雄, 刘建华, 孙水华, 徐戈, 林鸿辉

单位：1.福建工程学院 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（福建工程学院），福州 350118；3.闽江学院 计算机与控制工程学院，福州 350108

关键词：图神经网络,注意力机制,方面级情感分析,局部特征学习,图注意力网络,门控机制

基金：国家自然科学基金资助项目(62172095);福州市科技创新平台项目(2021?P?052);福建工程学院发展基金资助项目(GY?Z20046);中央引导地方项目(2020L3024)

针对目前方面级情感分析（ABSA）模型过多依赖关系较为稀疏的句法依赖树学习特征表示，导致模型学习局部信息能力不足的问题，提出了一种融合多窗口局部信息的ABSA模型MWGAT（combining Multi-Window local information and Graph ATtention network）。首先，通过多窗口局部特征学习机制学习局部上下文特征，并挖掘文本包含的潜在局部信息；其次，采用能够较好理解依赖树的图注意力网络（GAT）学习句法依赖树所表示的语法结构信息，并生成语法感知的上下文特征；最后，将这两种表示不同语义信息的特征融合，形成既包含句法依赖树的语法信息又包含局部信息的特征表示，从而便于分类器高效判别方面词的情感极性。在Restaurant、Laptop和Twitter这3个公开数据集上进行实验，结果表明与结合了句法依赖树的T-GCN（Type-aware Graph Convolutional Network）模型相比，所提模型的Macro-F1分数分别提高了2.48%、2.37%和0.32%。可见，所提模型能够有效挖掘潜在的局部信息，并更为精确地预测方面词的情感极性。

来源：2023年第6期

《计算机应用》期刊编辑部

查看计算机应用杂志2023年第6期