融合图卷积神经网络的文本情感分类
阴爱英1,3,林建洲2,3,吴运兵2,3*,廖祥文2,31.福州大学 至诚学院计算机工程系, 福建 福州 350002;2.福州大学 计算机与大数据学院, 福建 福州 350108;3.数字福建金融大数据研究所, 福建 福州 350108
发布日期:2021-11-15作者简介:阴爱英(1976— ),女,硕士,讲师,研究方向为数据挖掘、文本分析. E-mail:43547598@qq.com*通信作者简介:吴运兵(1976— ),男,硕士,副教授,研究方向为知识表示与知识发现. E-mail:wyb5820@fzu.edu.cn基金资助:国家自然科学基金资助项目(61976054,61772135)Sentiment classification combining graph convolution neural network
YIN Ai-ying1,3, LIN Jian-zhou2,3, WU Yun-bing2,3*, LIAO Xiang-wen2,31. Department of Computer Engineering, Zhicheng College of Fuzhou University, Fuzhou 350002, Fujian, China;
2.College of Computer and Big Data, Fuzhou University, Fuzhou 350108, Fujian, China;
3. Digital Fujian Institute of Financial Big Data, Fuzhou 350108, Fujian, China
Published:2021-11-15摘要/Abstract
摘要： 文档级别情感分类旨在预测用户对评论文本的情感极性标签。最近研究发现,利用用户和产品信息能有效地提升情感分类性能,然而,现有大多数研究只关注用户与评论、产品与评论的信息,忽略了用户与用户、产品与产品之间的内在关联,因此,本文提出一种融合图卷积神经网络的文本情感分类模型。首先,根据数据集构建了用户与用户关系图、用户与产品关系图;然后,融合两种关系图形成异质图,并使用图卷积神经网络学习用户与用户、产品与产品之间的内在联系,获得更好的用户和产品表示;最后,使用融合CNN的用户注意力和产品注意力机制的分层网络进行情感分类。实验结果表明,在公开数据集IMDB、Yelp2013和Yelp2014上,本文提出的模型能取得较好的分类效果。
PDF全文下载地址:
http://lxbwk.njournal.sdu.edu.cn/CN/article/downloadArticleFile.do?attachType=PDF&id=3518
