融合局部上下文特征的细粒度情感分析

作者：王彦丹; 陈仲堂; 朱玉; 陈爽

来源：大数据, 2022, 1-16.

• 细粒度情感分析
• BERT
• 注意力机制
• 局部上下文特征

细粒度文本情感分析是自然语言处理领域的重要任务之一。针对以往研究忽视局部上下文的重要性和单独对方面词建模的问题，构建了一种融合局部上下文特征的交互注意力细粒度情感分析模型LCF-IAN。首先，利用BERT预训练模型分别获取上下文和方面词向量；然后，利用多头自注意力机制提取上下文关键特征，并捕捉上下文与方面词的关系，提取重点信息；最后，通过LCF方法获取方面词的局部上下文特征后，利用多头自注意力机制捕捉局部上下文与方面词的联系。模型分别在Restaurant、Laptop和Twitter 3个数据集上进行实验，基于两种不同LCF方法的模型在数据集上的准确率分别达到75.01%、84.80%、80.72%和75.05%、85.27%、85.36%。实验结果表明该模型优于其他分析方法，证明了该模型的有效性。

• 单位
  沈阳建筑大学