基于多粒度融合的图卷积网络会话情感分析研究

作     者：王佳 

作者单位：重庆理工大学 

学位级别：硕士

导师姓名：朱小飞

授予年度：2023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）] 

主      题：会话情感分析 多粒度融合 句法树 图卷积神经网络 主题模型 

摘      要：随着互联网时代的迅猛发展,人人都是自媒体时代的到来彻底改变了整个网络环境,因此互联网上带有情感倾向的会话文本数据暴增。这些海量的数据包含了大量与民生息息相关的信息,同时也具有极高的商业价值,如果能有效加以利用这些情感数据,商家可以大幅度提升用户体验,相关机构也可以更有效的进行决策判断。情感的表达是日常人类交流的重要组成部分。对会话和顺序上下文的建模已经取得了很大的成功,在会话情绪识别(ERC)中发挥着至关重要的作用。然而,现有的方法要么只对两者中的一个进行建模,要么采用朴素的融合方法来获得最终的话语表示。本文针对以上提出的问题,对建模表征的丰富性、构图以及融合方式做出有效改进,主要的工作内容与创新点如下:(1)针对之前工作有关会话情感分析模型的缺点,不仅忽略了对话中内部信息的相互影响,而且没有考虑到日常对话中存在的隐性背景情感。本文提出了一个基于粗细粒度融合的双通道图卷积神经网络,其主要包括两个模块,即特征提取模块和星图增强的图学习模块。首先,特征提取模块使用预训练语言模型(6获取会话中语句之间粗粒度的上下文信息,同时结合句法依赖树获取词之间细粒度的句法信息,从而将多粒度特征信息引入到会话情感建模。然后,星图增强的图学习模块建模了会话的背景情感信息以及会话中不同说话者之间的交互信息,从而增强会话情感分析的准确性。实验结果表明,本文提出的模型与其他基线模型相比,其准确性以及度量指标值在所有数据集上均有显著提升。(2)针对之前工作中会话语句表征的隐含信息丰富度较贫瘠、主题情感信息的缺失以及特征融合方式的简单,本文提出了一个基于递归与图学习方式的融合的多主题神经网络,该模型主要分为三部分,分别是特征提取模块、双通道主题图学习模块以及递归融合模块。首先特征提取模块是多粒度融合的特征,包含了词之间交互信息以及语句之间的交互信息,双通道主题图学习模块利用主题模型LDA提取会话中的主题表征,并将其加入多主题星图中进行建模,同时并行构建有向无环图,最后将双通道图学习输出的表征输入递归融合模块Mix-LSTM中进行融合以便最后进行情感分类。实验结果表明,本文提出的模型比其他基线模型拥有更高效、更准确的分类性能,度量指标也比其他基线模型拥有更强的竞争力。