基于双重多视角表示的目标级隐性情感分类

作者：崔蒙蒙; 刘井平; 阮彤; 宋雨秋; 杜渂

来源：计算机工程, 2023, 1-14.

DOI：10.19678/j.issn.1000-3428.0066459

• 目标级隐性情感分类
• 自然语言处理
• 情感分析
• 双重多视角
• 表示学习

目标级隐性情感分类是自然语言处理中一项重要的情感分析任务。大多数现有的工作主要侧重于对上下文感知的目标进行建模，并且建模信息源较为单一，难以充分捕获到目标词在文本中的隐性情感。针对这一问题，本文提出了基于双重多视角表示学习的目标级隐性情感分类方法，同时采用三种视角对目标和输入文本进行建模。具体而言，本文分别设计了文本自身的表示学习、图视角下的表示学习以及外部知识视角下的表示学习，并采用卷积神经网络将三种视角下的表示进行深度融合。此外，也同时采用上述三种视角对目标进行表示学习。最后，将文本的语义表示和目标的语义表示结合起来，并输入到情感极性分类器中。在五个公开数据集上进行的实验，以及与8个基线模型的对比实验结果表明，本文提出的方法取得了最佳的效果。特别地，在NewsMTSC-mt 和NewsMTSC-rw 数据集的F1m上，本文提出的模型比之前最好的模型分别提高了1.0%和2.6%；在Laptop14，Restaurant14和Twitter数据集的F1m上，本文提出的模型比之前最好的模型分别提高了3.6%，1.4%和1.6%。

• 单位
  华东理工大学