科研之友
微信
新浪微博
Facebook
分享链接
摘要
方面级情感分析任务旨在识别特定方面的情感极性，而现有模型对于结构不定的自然语句，缺少对方面词上下文的短距离约束，且容易忽略句法关系，因而难以准确判定方面的情感极性。针对上述问题，提出嵌入不同邻域表征（EDNR）的方面级情感分析模型，在获得句子的语序信息基础上，采用近邻策略并结合卷积神经网络来获取方面邻域信息，减少较远无关信息对模型的影响；同时，引入语句的语法信息，增加单词之间的依赖关系；将两种特征融合后，使用Mask与注意力机制来特别关注方面信息，减小无用信息对情感分析模型的干扰。为了评价上下文和语法信息对情感极性的影响程度，提出一个信息评估系数。在五个公共数据集上进行实验，实验结果表明，与情感分析模型AGCN-MAX相比，EDNR模型在数据集14Lap上的正确率和F1值分别提升了2.47和2.83个百分点。由此可见，EDNR模型可以有效捕获情感特征，提高分类性能。
- 单位
