融合语义和句法信息的方面情感三元组抽取

作     者：李言博 何庆 陆顺意 

作者机构：贵州大学大数据与信息工程学院 

出 版 物：《计算机应用》 (Journal of Computer Applications)

年 卷 期：2024年

学科分类：12[管理学] 1201[管理学-管理科学与工程(可授管理学、工学学位)] 081203[工学-计算机应用技术] 08[工学] 081104[工学-模式识别与智能系统] 0835[工学-软件工程] 0811[工学-控制科学与工程] 0812[工学-计算机科学与技术（可授工学、理学学位）] 

基　　金：国家自然科学基金(62166006) 贵州省省级科技计划项目(黔科合支撑一般093,黔科合ZK字335) 

主　　题：情感分析 方面情感三元组抽取 依存句法分析 自注意力机制 图卷积网络 

摘      要：方面情感三元组抽取（ASTE）是方面情感分析中一项极具挑战性的子任务，目的是提取所给句子中的方面项、观点项和对应的情感极性。现有的面向ASTE任务的模型分为流水线模型和端到端模型。针对流水线模型易受到错误传播的影响，而大部分现有端到端模型忽略了句子中丰富的句法信息问题，提出一种语义和句法增强的双通道方面情感三元组抽取模型（SSED-ASTE）。首先，使用BERT(Bidirectional Encoder Representation from Transformers)编码器对上下文编码；其次，使用双向长短期记忆（Bi-LSTM）网络捕捉上下文语义依赖关系；再次，通过两个并行的图卷积网络分别使用自注意力机制和依存句法分析提取语义特征和句法特征并融合；最后，使用网格标记方案（GTS）进行三元组抽取。在4个公开数据集上进行实验分析，与GTS-BERT模型相比，所提模型的F1值分别提升了0.29、2.22、2.93和0.78个百分点。实验结果表明，所提模型可以有效利用句子中隐含的语义信息和句法信息，实现较准确的三元组抽取。