一种面向目标的情感极性分析方法

王文竹,肖波,陈柯宏

北京邮电大学

收稿日期:2020-12-30修回日期:2021-04-13出版日期:2021-10-28发布日期:2021-09-06
通讯作者:肖波E-mail:xiaobo@bupt.edu.cn

基金资助:国家自然科学基金项目(62076031)

A Method for Targeted Sentiment Analysis

Received:2020-12-30Revised:2021-04-13Online:2021-10-28Published:2021-09-06

摘要/Abstract

摘要： 面向目标的情感分析是细粒度情感分析的重要任务之一,旨在预测句子中给定目标实体的情感极性. 当前大多数研究方法忽略了句法结构信息,在情感判别时往往会关注无关词汇,从而使分类性能下降. 为此,设计了一种新的引入句法结构的模型,该模型利用双向预训练编码器和作用于依存句法树的图卷积网络分别捕获文本的上下文信息和句法结构信息,并使用多头注意力机制进行信息聚合得到目标的情感分类表征. 此外,还将该模型与现有的领域自适应方法相结合,同时向模型中引入领域知识和句法结构知识,进一步提升了模型效果. 在几个常用的标准数据集上的实验结果表明了上述模型的有效性.

中图分类号:
TP391.1

引用本文

王文竹 肖波 陈柯宏. 一种面向目标的情感极性分析方法[J]. 北京邮电大学学报, 2021, 44(05): 21-27.





PDF全文下载地址:

https://journal.bupt.edu.cn/CN/article/downloadArticleFile.do?attachType=PDF&id=4828