-
题名语义和句法双增强的交互式方面级情感分析
- 1
-
-
作者
王法玉
邱意雯
陈洪涛
-
机构
天津理工大学智能计算及软件新技术天津市重点实验室
-
出处
《计算机工程与设计》
北大核心
2024年第12期3719-3725,共7页
-
基金
国家自然科学基金项目(61571328)
天津理工大学教学研究与改革基金项目(YB22-12)。
-
文摘
针对目前研究存在的语义和句法信息提取不充分以及忽略二者交互的问题,提出一种利用交互注意力机制融合语义和句法信息的方面级情感分析模型。将方面间依赖关系与局部语义融合,获得综合的全局语义信息,将全局与局部信息进行交互得到更深层的语义信息;利用改进的图卷积网络增强模型提取上下文句法信息的能力;使用多头交互注意力完成方面词与上下文之间以及增强语义和句法之间的交互。为验证模型的有效性,在Laptop14、Restaurat14和Twitter基准数据集上进行实验,实验结果表明,所提模型取得的性能优于比较方法。
-
关键词
方面级情感分析
深度学习
自然语言处理
交互式注意力机制
图卷积网络
语义增强
句法增强
句法分析
-
Keywords
aspect-level sentiment analysis
deep learning
natural language processing
interactive attention mechanism
graph convolutional network
semantic enhancement
syntactic enhancement
syntactic analysis
-
分类号
TP391.1
[自动化与计算机技术—计算机应用技术]
-
-
题名基于图卷积神经网络的隐式篇章关系识别
- 2
-
-
作者
阮慧彬
孙雨
洪宇
吴成豪
李晓
周国栋
-
机构
苏州大学计算机科学与技术学院
-
出处
《中文信息学报》
CSCD
北大核心
2021年第8期28-37,共10页
-
基金
国家自然科学基金(61672368,61751206,61703293)
-
文摘
隐式篇章关系识别是篇章关系识别的子任务,其挑战性在于难以学习到具有丰富语义信息和交互信息的论元表示。针对这一难点,该文提出一种基于图卷积神经网络(Graph Convolutional Network,GCN)的隐式篇章关系分类方法。该方法采用预训练语言模型BERT(Bidirectional Encoder Representation from Transformers)编码论元以获取论元表示,再分别拼接论元表示和注意力分数矩阵作为特征矩阵和邻接矩阵,构造基于图卷积神经网络的分类模型,从而根据论元自身信息以及交互信息对论元表示进行调整,以得到有助于隐式篇章关系识别的论元表示。该文利用宾州篇章树库(Penn Discourse Treebank,PDTB)语料进行实验,实验结果表明,该方法在四大类关系上分类性能优于基准模型BERT,且其在偶然(Contingency)关系和扩展(Expansion)关系上优于目前先进模型,F1值分别达到60.70%和74.49%。
-
关键词
隐式篇章关系识别
图卷积神经网络
自注意力机制
交互式注意力机制
-
Keywords
implicit discourse relation recognition
graph convolutional network
self-attention mechanism
inter-attention mechanism
-
分类号
TP391.1
[自动化与计算机技术—计算机应用技术]
TP183
[自动化与计算机技术—控制理论与控制工程]
-
