-
题名基于领域特有情感词注意力模型的跨领域属性情感分析
被引量：5
- 1
-
-
作者
赵光耀
吕成国
付国宏
刘宗林
梁春丰
刘涛
-
机构
黑龙江大学计算机科学与技术学院
苏州大学人工智能研究院
-
出处
《中文信息学报》
CSCD
北大核心
2021年第6期93-102,共10页
-
基金
国家自然科学基金(61672211,U1836222)。
-
文摘
虽然近年来情感分析相关研究取得很大进展,但跨领域属性情感分析仍是一个挑战。现有的方法主要关注源领域和目标领域的共有信息,忽略了目标领域的特有信息。此外,情感词作为句子中的重要信息,不仅能反映属性的情感极性,而且可以被划分为共有情感词和特有情感词。针对目标领域的特有信息和情感词,该文提出领域特有情感词注意力模型(DSSW-ATT)。该模型设立两个独立的子空间,分别使用注意力机制提取共有情感词特征和特有情感词特征,并建立相应的共有特征分类器和特有特征分类器,同时使用协同训练方法融合这两种特征。该文还构建了酒店领域(源领域)和手机领域(目标领域)的属性级用户评论数据集。在该数据集上的实验结果表明,该方法明显优于基线方法。
-
关键词
情感分析
半监督学习
注意力机制
-
Keywords
sentiment analysis
semi-supervised learning
attention mechanism
-
分类号
TP391
[自动化与计算机技术—计算机应用技术]
-
-
题名融合全局和局部信息的汉语宏观篇章结构识别
- 2
-
-
作者
范亚鑫
蒋峰
朱巧明
褚晓敏
李培峰
-
机构
苏州大学计算机科学与技术学院
苏州大学人工智能研究院
-
出处
《中文信息学报》
CSCD
北大核心
2022年第3期1-9,共9页
-
基金
国家自然科学基金(61772354,61836007,61773276)。
-
文摘
作为宏观篇章分析中的基础任务,篇章结构识别的目的是识别相邻篇章单元之间的结构,并层次化构建篇章结构树。已有的工作只考虑局部的结构和语义信息或只考虑全局信息。该文提出了一种融合全局和局部信息的指针网络模型,该模型在考虑全局语义信息的同时,又考虑局部段落间的语义关系密切程度,从而有效提高宏观篇章结构识别的能力。在汉语宏观篇章树库(MCDTB)的实验结果表明,该文所提出的模型性能优于目前性能最好的模型。
-
关键词
宏观篇章分析
结构识别
自顶向下
指针网络
-
Keywords
macro discourse analysis
structure recognition
top-down
pointer network
-
分类号
TP391
[自动化与计算机技术—计算机应用技术]
-
-
题名多层面语义结构增强的对话情感诱因片段抽取
- 3
-
-
作者
秦鸣飞
付国宏
-
机构
苏州大学计算机科学与技术学院
苏州大学人工智能研究院
-
出处
《计算机科学》
CSCD
北大核心
2023年第12期236-245,共10页
-
基金
国家自然科学基金(62076173)。
-
文摘
对话情感诱因片段抽取旨在从对话历史中抽取出诱发目标情感表达的原因片段,在情感对话系统中起到枢纽的作用。然而,已有方法抽取出的诱因片段仍存在话轮定位错误、边界识别错误等亟待解决的问题。为此,提出了一种多层面语义结构增强的对话情感诱因片段抽取方法。该方法基于篇章层面的指代结构,增强对诱因片段所处话轮的定位;基于句子层面的句法结构,增强对诱因片段边界的识别。首先,依据预处理后的语义结构及对话内容特征表示,使用图注意力网络分别在词符级别与话轮级别构图、建模对话,并通过双仿射机制促进两种级别构图的交互与融合,从而获得结构增强的语义综合表示;然后,使用线性层抽取诱因片段。在两个公开数据集上进行实验,结果表明,与基准模型相比,该模型的F1值和EM_(pos)值最高分别提升了2.42%和2.26%;同时,在F1_(pos)和EM_(pos)指标上的性能均优于其他基线模型,且该模型也能有效兼容话轮级别的对话情感诱因蕴含。
-
关键词
自然语言处理
结构增强
对话情感
诱因片段抽取
图注意力网络
-
Keywords
Natural language processing
Structure enhancement
Conversational emotion
Causal span extraction
Graph attention networks
-
分类号
TP391
[自动化与计算机技术—计算机应用技术]
-
