计算机应用

作者：刘欢, 窦全胜

单位：1.山东工商学院 计算机科学与技术学院，山东 烟台 264005；2.山东省高等学校协同创新中心：未来智能计算，山东 烟台 264005

关键词：方面级情感分析,邻域表征,情感极性,近邻策略,信息评估系数

基金：国家自然科学基金资助项目（61976125， 61976124）。

方面级情感分析（ABSA）任务旨在识别特定方面的情感极性，然而现有的相关模型对结构不定的自然语句缺少对方面词上下文的短距离约束，且容易忽略句法关系，因而难以准确判定方面的情感极性。针对上述问题，提出嵌入不同邻域表征（EDNR）的ABSA模型。在该模型中，在获得句子语序信息的基础上，采用近邻策略并结合卷积神经网络（CNN）获取方面的邻域信息，减少较远无关信息对模型的影响；同时，引入语句的语法信息，增加单词之间的依赖关系；将上述两种特征融合后，使用Mask与注意力机制来特别关注方面信息，减少无用信息对情感分析模型的干扰。此外，为评价上下文和语法信息对情感极性的影响程度，提出一个信息评估系数。在5个公共数据集上进行实验的结果表明，与情感分析模型聚合图卷积网络-最大值函数（AGCN-MAX）相比，EDNR模型在数据集14Lap上的正确率和F1值分别提升了2.47和2.83个百分点。由此可见，EDNR模型可以有效捕获情感特征，提高分类性能。

来源：2023年第1期

《计算机应用》期刊编辑部

查看计算机应用杂志2023年第1期