文档名：基于增强多注意力的LSTM网络的方面级情感分类
为了挖掘用户细粒度的情感表达,方面级情感分析引起了研究者们的关注.现有的研究方法通常将方面判别任务与情感分析任务分离,且在给定方面的基础上进行情感分析.然而现实的评论数据大多没有标注方面标签,因此,对于给定的评论文本,需要同时判断方面类别及其情感极性.本文利用多个分类器同时对评论的方面及其情感进行预测,使用两层长短期记忆网络对评论的上下文信息和方面信息进行编码,并利用注意力机制对评论中相关方面的情感信息进行注意,再对多个注意力模块进行叠加增强建模得到文本的表示,在此基础上,预测句子中的方面及其对应的情感.本文在SemEval和BDCI2018汽车评论的主题及情感识别数据上分别进行了实验,结果显示本文的方法对方面级的情感分析具有较好的提升效果.
作者：符玉杰 李旸 王素格 廖健 吴卓嘉
作者单位：山西大学计算机与信息技术学院,山西太原030006山西大学计算机与信息技术学院,山西太原030006;山西大学计算智能与中文信息处理教育部重点实验室,山西太原030006
母体文献：第十八届中国计算语言学大会暨中国中文信息学会2019学术年会论文集
会议名称：第十八届中国计算语言学大会暨中国中文信息学会2019学术年会
会议时间：2019年10月18日
会议地点：昆明
主办单位：中国中文信息学会
语种：chi
分类号：TP3TP1
关键词：方面级情感分析 长短期记忆网络 多注意力机制
在线出版日期：2021年8月24日
基金项目：
相似文献
相关博文
- 文件大小:
- 778.5 KB
- 下载次数:
- 60
-
高速下载
|
|
