基于多交互特征融合的方面级情感分类方法OA

针对现有方面级情感分类模型存在方面词与上下文交互不充分、分类精度低的问题,提出一种基于多交互特征融合的方面级情感分类方法(ASMFF:Aspect-level Sentiment classification method based on Multi-interaction Feature Fusion)。首先,将上下文和方面词分别进行特殊标记,输入BERT(Bidirectional Encoder Representations from Transformers)编码层进行文本特征向量提取。其次,将文本特征向量输入AOA(Attention Over Attention)和IAN(Interactive Attention Networks)网络提取交互注意力特征向量。最后,将得到的两种交互特征向量进行融合学习,通过交叉熵损失函数进行概率计算、损失回传和参数更新。在Laptop、Restaurant和Twitter 3个公开数据集上的实验结果表明,ASMFF模型的分类准确率分别为80.25%、84.38%、75.29%,相比基线模型有显著提升。