结合混淆数据增强和关系图注意网络的方面级文本情感分析  

Integrating mix-up data augmentation and relational graph attention network for text sentiment analysis

作　　者：陈越昆 马宗泽 郭敬松 李剑锋 张云港[2] CHEN Yue-kun;MA Zong-ze;GUO Jing-song;LI Jian-feng;ZHANG Yun-gang(Marketing center of China Tobacco Yunnan Industrial Co.,Ltd.,Kunming 650231,China;School of Information Science,Yunnan Normal University,Kunming 650500,China)

机构地区：[1]云南中烟工业有限公司营销中心,云南昆明650231 [2]云南师范大学信息学院,云南昆明650500

出　　处：《云南民族大学学报（自然科学版）》2024年第6期767-775,共9页Journal of Yunnan Minzu University:Natural Sciences Edition

基　　金：云南中烟工业有限责任公司科技项目(2018QT03)。

摘　　要：基于方面的文本情感分析,也称为方面级情感分类,是自然语言处理中的一项常见任务,其目的在于分析给定目标中方面术语的情感极性.基于深度神经网络的模型在文本情感分析的过程中,存在训练样本不足,或只使用注意力机制而忽略了句法关系,不能充分利用方面节点的上下文语义信息等问题,导致效果不佳.针对样本数据量和多样性不足,以及语义语法信息利用度不高所导致的深度学习模型准确率不高的问题,提出一种新的文本情感分类模型,该模型结合混淆(Mixup)数据增强技术合关系图注意神经网络的优势,采用混淆增强对上下文特征向量进行插值混合,使用关系图注意网络集成类型化的句法依赖信息,从而可更有效地利用语义语法树的特征.在3个公开数据集上的实验结果表明,使用混淆数据增强和关系图注意网络的模型与其他方法相比具有较好效果.Aspect-based sentiment analysis(ABSA),also called aspect level sentiment classification(ALSC),is a com-mon task in natural language processing(NLP).In the ABSA task,a new ABSA model is proposed to solve the problem that the accuracy of the deep learning model is not high due to the lack of sample data and the low utilization of semantic syntax trees.The model combines the mix-up data enhancement technology with the relational graph attention network(RGAT).The model uses mix-up technology to interpolate the context feature vectors,and uses RGAT to integrate typed syntactic dependency information,so as to make more effective use of the features of the syntax tree.The experimental results on three public datasets show that the model combined with Mixup and RGAT is competitive with other state of the art methods.

关 键 词：方面级文本情感分析 混淆数据增强 关系图注意网络 

分 类 号：TP391.1[自动化与计算机技术—计算机应用技术]