计算机工程

作者：崔蒙蒙, 刘井平, 阮彤, 宋雨秋, 杜渂

单位：1. 华东理工大学信息科学与工程学院, 上海 2002372. 迪爱斯信息技术股份有限公司, 上海 200032

关键词：目标级隐性情感分类,自然语言处理,情感分析,双重多视角,表示学习

基金：国家重点研发计划(2021YFC2701800); 国家重点研发计划(2021YFC2701801); 上海市促进产业高质量发展专项资金(2021-GZL-RGZN-01018)

目标级隐性情感分类是自然语言处理中一项重要的情感分析任务。目前多数研究主要侧重于对上下文感知的目标进行建模，且建模信息源较为单一，难以充分捕获到目标词在文本中的隐性情感。针对该问题，提出基于双重多视角表示学习的目标级隐性情感分类方法，采用3种视角对目标和输入文本进行建模，分别设计文本自身的表示学习、图视角下的表示学习以及外部知识视角下的表示学习，并通过卷积神经网络将3种视角下的表示进行深度融合。此外，同时采用上述3种视角对目标进行表示学习，将文本的语义表示和目标的语义表示相结合，并输入到情感极性分类器中。在5个公共数据集上进行实验并与8个基线模型的对比结果表明，该方法性能达到了最优水平，在NewsMTSC-mt和NewsMTSC-rw隐性情感分析数据集上的$ \mathrm{F}{1}_{\mathrm{m}} $值分别比最好模型提高1.0%和2.6%，在Laptop14、Restaurant14和Twitter显性情感分析数据集上的$ \mathrm{F}{1}_{\mathrm{m}} $值分别比最好模型提高3.6%、1.4%和1.6%。

来源：2024年第1期

《计算机工程》期刊编辑部

查看计算机工程杂志2024年第1期