集成句法与情感知识的方面级情感分析模型

作     者：李自亮 朱广丽 张玉雷 刘佳佳 焦熠璇 张顺香 

作者机构：安徽理工大学计算机科学与工程学院 合肥综合性国家科学中心人工智能研究院 

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

年 卷 期：2024年

学科分类：081203[工学-计算机应用技术] 08[工学] 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：国家自然科学基金面上项目(62076006) 安徽高校协同创新项目(GXXT-2021-008) 

主　　题：自然语言处理 方面级情感分析 图卷积网络 双仿射注意力 平均池化 

摘      要：方面级情感分析（ABSA）是一项细粒度的情感分析任务，旨在分析给定文本中特定方面词的情感极性。现有的ABSA方法采用图卷积网络(GCN)处理句法和语义信息，然而这些方法将方面词的所有句法依赖等同看待，忽略了远距离不相关词对目标方面词的影响，造成目标方面词和观点词权重分配不适宜，且对语义信息提取不充分。针对这一问题，提出一种集成句法与情感知识的方面级情感分析模型。首先,根据句法信息构建可达矩阵，以此为基础，利用方面词进行中心位置赋权构建句法增强图；其次通过外部情感知识和方面增强构建语义增强图，利用图卷积分别对句法增强图和语义增强图进行充分建模形成不同的特征通道，再通过双仿射注意力（biaffine attention）使句法和语义信息更有效地进行交互融合，最后运用平均池化（average-pooling）和拼接操作获取方面词对应的最终特征向量。相较于深度依赖感知图卷积网络（DA-GCN-BERT），所提模型在五个公开数据集上的准确率分别提高了1.71、1.41、1.27、0.17和0.43个百分点。实验结果表明，所提模型在方面级情感分析领域具有很强的适用性。