计算机应用

作者：刘辉, 马祥, 张琳玉, 何如瑾

单位：1.重庆邮电大学 通信与信息工程学院，重庆 400065；2.重庆邮电大学 通信新技术应用研究中心，重庆 400065

关键词：方面级情感分析,长短时记忆网络,语法距离,图卷积,注意力机制

针对现阶段方面级情感分析（ABSA）存在的方面词与不相关上下文错误匹配以及缺乏语法层面特征的问题，提出一种融合匹配长短时记忆网络（mLSTM）和语法距离的ABSA模型mLSTM-GCN。首先，逐词计算方面词与上下文的关联性，并将得到的注意力权重与上下文表示融合作为mLSTM的输入，从而得到与方面词关联度更高的上下文表示；然后，引入语法距离以获得与方面词语法关联度更高的上下文，从而获取更多的上下文特征来指导方面词的建模，并通过方面掩盖层得到方面表示；最后，结合位置权重、上下文表示以及方面表示来进行信息交互，从而获取用于情感分析的特征。在Twitter、REST14和LAP14数据集上的实验结果表明，相较于特定方面的图卷积网络（ASGCN），mLSTM-GCN的准确率分别提升1.32、2.50和1.63个百分点，宏平均F1分别提升2.52、2.19和1.64个百分点。可见，mLSTM-GCN能够有效降低方面词与不相关上下文错误匹配的概率，提升分类效果。

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