句法感知与知识增强的方面级情感分析OA北大核心CSTPCD

在方面级情感分析任务中需要先对文本进行句法依存解析,一方面存在着高度依赖依存解析质量的问题,另一方面未考虑依存解析与语义知识关联性缺失的问题。为此,提出一种基于句法感知与知识增强的双通道图卷积模型进行方面级情感分析任务。在一个通道上使用句法感知机制学习句子的依存关系,在另一个通道上通过知识图谱进行知识增强,并通过信息交互机制关联两通道的输出,使得模型对与方面词相关联的重要词汇赋予更多句法与语义上的关注。此外,引入位置注意力机制,对词语进行位置上的得分权重调整,进而提高方面级情感分析任务的性能。在3个公开数据集Rest14、Lap14、Twitter上进行实验,相较于其他方面级情感分析模型,所提模型在准确率与F1值都有较为明显的提升。实验表明,句法感知与知识增强能够指导图卷积模型进行更加深入的语义学习与合理的权重分配,从而提高方面级情感分析任务的性能。