科研之友
微信
新浪微博
Facebook
分享链接
摘要
传统的基于单通道的特征提取方式，仅使用单一的依赖关系捕获特征，忽略单词间的语义相似性与依赖关系类型信息。尽管基于图卷积网络进行方面情感分析的方法已经取得一定成效，但始终难以同时聚合节点的语义信息和句法结构特征，在整个迭代训练过程中最初的语义特征会逐渐遗失，影响句子最终的情感分类效果。由于缺乏先验知识会导致模型对相关情感词的误解，因此需要引入外部知识来丰富文本信息。目前，如何利用图神经网络(GNN)融合句法和语义特征的方式仍值得深入研究。针对上述问题，该文提出一种多通道增强图卷积网络模型。首先，通过对情感知识和依赖类型增强的句法图进行图卷积操作，得到基于语法的两种表示，与经过多头注意力和图卷积学习到的语义表示进行融合，使多通道的特征能够互补学习。实验结果表明，在5个公开数据集上，准确率和宏F1值优于基准模型。由此可见，依赖类型和情感知识均对增强句法图有重要影响，表明融合语义信息与句法结构的有效性。
- 单位
