-
题名依赖类型及距离增强的方面级情感分析模型
- 1
-
-
作者
赵彪
秦玉华
田荣坤
胡月航
陈芳锐
-
机构
青岛科技大学信息科学技术学院
云南中烟工业责任有限公司技术中心
-
出处
《计算机应用》
北大核心
2025年第8期2507-2514,共8页
-
基金
青岛市科技惠民示范项目(23-2-8-smjk-20-nsh)。
-
文摘
方面级情感分析(ABSA)任务旨在判断评论语句中特定方面词的情感极性。在ABSA领域中,同时提取语法和语义这2种信息的双通道模型取得了一定的效果。然而,现有模型未能考虑语法节点间的重要程度不同、全局范围下的注意力机制引入的额外噪声以及同类特征间存在一定关联性等问题。为了解决以上问题,提出一种依赖类型及距离增强的双通道图卷积模型。首先,在语法模块引入依赖类型以衡量不同邻近节点的重要程度;其次,以依赖树距离为依据构造掩码矩阵进而过滤与语法无关的噪声;最后,引入一个有监督对比损失帮助模型学习同类特征间的关联性。实验结果表明,相较于次优模型DGNN(Dual Graph Neural Network),所提模型在SemEval-2014 Restaurant、SemEval-2014 Laptop和Twitter这3个数据集上分别取得了0.11、0.94和1.01个百分点的准确率提升,以及0.63、1.66和0.83个百分点的宏F1值提升,验证了所提模型的有效性。
-
关键词
方面级别情感分析
图神经网络
依赖类型
依赖树距离
有监督对比损失
-
Keywords
Aspect-Based Sentiment Analysis(ABSA)
graph convolutional network
dependency type
dependency tree distance
supervised contrastive loss
-
分类号
TP391.1
[自动化与计算机技术—计算机应用技术]
-
