科研之友
微信
新浪微博
Facebook
分享链接
摘要
针对目前基于预训练模型的方面级情感分析普遍使用端到端框架，存在上下游阶段任务不一致，难以有效建模方面词和上下文之间关系的问题，提出一种融合提示知识的方面级情感分析方法。首先基于Prompt机制构造提示文本，将该提示文本与原始句子和方面词进行拼接作为预训练模型BERT的输入，以有效捕获方面词和上下文之间的语义联系，同时提升模型对情感分析任务的感知能力；然后构建情感标签词表，并将其融入情感极性映射层，减少模型的搜索空间，以利于预训练模型获取标签词表中的语义知识，增强模型的学习能力。所提方法在SemEval2014 Task4的Restaurant和Laptop以及ChnSentiCorp数据集上的F1值分别达到了77.42%、75.20%、94.89%，与Glove-TextCNN、P-tuning等主流方面级情感分析方法相比最多提高了10.71、9.58与6.4个百分点。实验结果验证了所提方法对方面级情感分析的有效性。
- 单位
