计算机工程

作者：杨海洋, 张兴鹏

单位：西南石油大学 计算机科学学院, 成都 610500

关键词：方面级情感分析,句法分析,图卷积网络,依存树,自注意力

基金：四川省科技创新人才基金(2022JDRC0009); 西南石油大学自然科学“启航计划”项目(2022QHZ023)

方面级情感分析是一项细粒度的情感分析任务，旨在对给定文本中多个特定方面进行情感极性分析。大多数基于句法分析的模型严重依赖依存树的单一解析结果，由于这种结构仅揭示2个单词之间的依存关系，因此无法捕捉方面词与上下文之间的联系。此外，大部分研究忽略了依存解析中的关系类型，可能丢失重要特征信息。提出一种基于多通道的图卷积网络（MCGCN）模型，主要包含成分图模块、依存图模块（DepGCN）以及自注意力机制，旨在挖掘句子结构中丰富的句法和语法信息。此外，为减少依存解析错误，在DepGCN中引入依存关系类型和依存概率以获取更精准的语法表示。利用预训练模型进行词嵌入得到文本初始化向量，分别输入到融合不同句法分析的图卷积网络进行不同节点的学习，利用自注意力机制能有效地对方面词进行全局的语义信息关联。最后将3个模块的输出通过仿射交互层进行交互学习，进而提升模型的表征能力。实验结果表明，MCGCN模型在Laptop数据集上的ACC值和F1值分别为78.48%和75.03%，在Twitter数据集上的ACC值和F1值分别为75.92%和74.53%，相较于基准模型均有提升，在3个数据集上的F1值都有1%~3%的提升。

来源：2023年第11期

《计算机工程》期刊编辑部

查看计算机工程杂志2023年第11期