基于语义增强的在线健康社区情感分析研究

作     者：韩普 叶东宇 HAN Pu;YE Dongyu

作者机构：南京邮电大学管理学院南京210003 江苏省数据工程与知识服务重点实验室南京210023 

出 版 物：《科技情报研究》 (Scientific Information Research)

年 卷 期：2024年第6卷第2期

页      面：88-99页

学科分类：1205[管理学-图书情报与档案管理] 12[管理学] 081203[工学-计算机应用技术] 08[工学] 120502[管理学-情报学] 0835[工学-软件工程] 0812[工学-计算机科学与技术（可授工学、理学学位）] 

基　　金：国家社会科学基金项目“面向多模态医疗健康数据的知识组织模式研究”(编号:22BTQ096) 江苏高校青蓝工程和南京邮电大学1311人才计划资助 江苏省研究生科研创新计划资助(编号:KYCX22_0870) 

主　　题：情感分析 依存句法分析 图神经网络 语义增强 BERT-TBGH 在线健康社区 

摘      要：[目的/意义]为了更充分利用文本依存句法信息和先验情感知识在情感分析中的价值,提出了一种语义增强的在线健康社区情感分析模型。[方法/过程]首先预处理在线健康社区数据,并通过BERT生成特征向量;接着基于双通道思想,利用TextCNN和BiLSTM分别抽取在线评论文本的局部和全局信息,然后在GAT中融入情感知识和文本依存句法信息进行语义增强;最后进行双通道特征拼接,并在全连接层实现在线健康社区情感极性判断。[结果/结论]通过对31 718条在线健康社区评论数据进行对照实验发现,基于语义增强的BERT-TBGH模型准确率达到90.77%,相比基准模型TextCNN和BiLSTM分别提升了10.57%和7.79%,引入情感知识和字粒度依存句法信息后,准确率分别提升了1.85%和1.00%。文章提出的基于语义增强的BERTTBGH模型能够有效提升在线健康社区情感分析效果。