基于句法结构树和混合注意力网络的方面级情感分类  

Aspect Level Sentiment Analysis Based on Syntactic Structure and Mixed Attention Mechanism

作　　者：李卫疆[1,2] 吴宇宸 LIWeijiang;WU Yuchen(Faculty of Information Engineering and Automation,Kunming University of Science and Technology,Kunming,Yunnan 650500,China;Yunnan Key Laboratory of Artificial Intelligence,Kunming University of Science and Technology,Kunming,Yunnan 650500,China)

机构地区：[1]昆明理工大学信息工程与自动化学院,云南昆明650500 [2]昆明理工大学云南省人工智能重点实验室,云南昆明650500

出　　处：《中文信息学报》2023年第5期143-156,共14页Journal of Chinese Information Processing

基　　金：国家自然科学基金(62066022)。

摘　　要：在目前方面级别情感分类的研究方法中,大部分是基于循环神经网络或单层注意力机制等方法,忽略了位置信息对于特定方面词情感极性的影响,并且此类方法编码语句和方面词时直接采用了拼接或者相乘的方式,导致处理长句子时可能会丢失信息以及无法捕获深层次情感特征。为了解决上述问题,该文提出了基于句法结构树和混合注意力网络的模型,其基本思想是将基于句法结构树构建的位置向量作为辅助信息,并提出混合注意力网络模型来提取句子在给定方面词下的情感极性。所以该文设计了浅层和深层网络,并分别构建位置注意力机制和交互型多头注意力机制获取句子中和方面词相关的语义信息。实验结果表明:大多数情况下,该模型在SemEval 2014公开数据集中的Restaurant和Laptop以及ACL14 Twitter上的表现优于相关基线模型,可以有效地识别不同方面的情感极性。Current methods of aspect level sentiment classification are mostly based on cyclic neural network or single-layer attention mechanism while ignore the influence of location information on the emotional polarity of specific aspect words.This paper proposes an aspect level sentiment analysis model based on syntactic structure and mixed attention mechanism.It takes the position vector based on the syntactic structure tree as the auxiliary information,and adopts the mixed attention to extract the affective polarity of a sentence under a given aspect word.Specifically,it constructs positional attention mechanism and interactive multi-head attention mechanism,respectively,to obtain semantic information related to sentence and aspect words.The experiments on Restaurant and Laptop and ACL14 Twitter in Semeval 2ol4 public dataset show that,in most cases,the model performs better than the related baseline model and can effectively identify different aspects of emotional polarity.

关 键 词：方面级情感分类 句法结构树 混合网络 交互型多头注意力 

分 类 号：TP391[自动化与计算机技术—计算机应用技术]