科研之友
微信
新浪微博
Facebook
分享链接
摘要
随着网络的评论内容质量日趋良萎不齐，如何从浩如烟海的网络评论中准确提取出用户的观点并进行情感分析已经成为了一个难题。目前，方面级情感分析领域主要采用基于注意力机制的神经网络模型，这类模型忽略了方面词与观点词之间的依存关系和方面词与上下文词之间的距离，进一步导致了该类模型情感分类结果不够精确。为了解决以上问题,建立了一种交互式关系图注意力网络（RI-GAT）模型。通过长短期记忆（LSTM）网络学习句子的语义特征，然后将学习的语义特征结合句子的位置信息生成新的特征，最后在新的特征中提取各方面词和观点词之间的依存关系，实现了对句法依存信息和位置信息的高效利用。在Laptop、Restaurant和Twitter数据集上的实验结果表明，相较于次优的动态多通道图卷积网络（DM-GCN）,RI-GAT模型分类准确率（Acc）提高了0.67、1.65和1.36个百分点，说明了RI-GAT模型可以更好地建立方面词和意见词之间的联系，使得情感分类更加精确。
- 单位
