计算机应用研究

作者：黄俊,刘洋,王庆凤,陈立伟,邱家林,黎茂锋,

单位：西南科技大学计算机科学与技术学院,四川绵阳621010；

关键词：方面级情感分析,语序知识,情感信息,注意力机制,句法依赖,图卷积神经网络,

基金：四川省自然科学基金资助项目(2022NSFSC0940,2022NSFSC0894)；西南科技大学博士基金资助项目(20zx7137)；；

当前大多数基于图卷积网络的方面级情感分析方法利用文本的句法知识、语义知识、情感知识构建文本依赖，但少有研究利用文本语序知识构建文本依赖，导致图卷积网络不能有效地利用文本语序知识引导方面项学习上下文情感信息，从而限制了其性能。针对上述问题，提出基于语序知识的双通道图卷积网络（dual-channel graph convolutional network with word-order knowledge，WKDGCN）模型，该模型由语序图卷积网络（wordorder graph convolutional network，WoGCN）和情感知识结合语义知识增强的句法图卷积网络（sentiment and attention-enhanced graph convolutional network，SAGCN）组成。具体地，WoGCN基于文本的语序知识构建图卷积网络，由文本的语序依赖引导方面项特征学习上下文情感信息；SAGCN利用SenticNet中的情感知识结合注意力机制增强句法依赖，利用增强后的句法依赖构建图卷积网络，以此引导方面项特征学习上下文情感信息；最后融合两个图卷积网络的特征用于情感分类。此外，设计了一种权重分配策略，在放大方面项权重的同时保持上下文权重一致，避免错误的计算方面项特征与重要特征的语义相关性。在多个公开数据集上的实验结果表明，所提方法优于对比模型。

来源：2024年第3期

《计算机应用研究》期刊编辑部

查看计算机应用研究杂志2024年第3期