基于PRM-GCN的方面级情感分析研究

作者：余本功; 曹成伟

来源：数据分析与知识发现, 2023, 1-18.

• 方面级情感分析
• 可达矩阵
• 位置赋权
• 多头自注意力机制
• 图卷积网络

[目的]为了解决现有方面级情感分析研究利用情感知识增强句法依存图忽略了句法可达关系和各词间位置关系，且对语义信息提取不充分的问题，本文提出了基于位置赋权可达矩阵和多空间语义信息提取的方面级情感分析模型。 [方法]利用可达矩阵将各词句法可达关系加入句法依存图，依据位置赋权机制修整可达矩阵增强上下文特征提取，在此基础上与情感增强依存图融合提取方面词特征，同时使用多头自注意力机制结合图卷积网络学习多个特征空间的上下文语义信息，最后将包含了位置信息、语法信息、情感知识和语义信息的特征向量融合进行情感极性分类。 [结果]与对比模型中较优者相比，在使用GloVe预训练语料库时，该模型在Lap14、Rest14、Rest15数据集上的准确率分别提升了1.00%，1.25%和1.11%，在使用BERT时，该模型在Lap14、Rest14、Rest15和Rest16数据集上的准确率分别提升了0.76%、0.22%、1.98%和0.31%。 [局限]模型仅在公开数据集上进行了实验，未在中文等其他数据集上进行实验。 [结论]模型提高了图卷积特征聚合效果，增强了上下文特征提取，提升了语义学习效果，有效提升了方面级情感分析的准确性。