基于双层注意力循环神经网络的方面级情感分析

• 作者: 商齐 张敏 曾碧卿 曾锋 韩旭丽
• 来源期刊: 中文信息学报
• 学科: 工学
• 关键词: 注意力 词性信息 位置关系
• 年，卷（期）: 2019,（6）
• 所属期刊栏目: 情感分析与社会计算
• 页码范围: 108-115
• 页数: 8页
• 分类号: TP391
• 字数: 6871字
• 语种: 中文
• DOI: 10.3969/j.issn.1003-0077.2019.06.016

摘要

在方面级情感分析中,常用的方法是将循环神经网络和注意力机制结合,利用注意力获取序列中不同单词的重要程度,但这并不能获取不同句子的重要程度,仅仅依赖单层注意力难于获取深层次情感特征信息.为了解决上述问题,该文提出一种基于双层注意力循环神经网络模型.通过双层注意力分别对单词层和句子层进行建模,捕获不同单词和不同句子的重要性,利用双向的循环神经网络获取更多的序列上下文依赖信息.情感特征信息具有重要性,但在深层神经网络中却未被充分利用.因此,该文将方面、词性信息和位置信息作为模型的辅助信息,进行更深层次情感特征信息学习,有效识别不同方面的情感极性.该方法与IAN模型相比,在SemEval 2014中的Restaurant数据集和Laptop数据集上进行实验,分类准确率分别提升了2.0％ 和5.2％.在与TD-LSTM模型对比中,Twitter数据集的分类准确率提升了1.7％.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	曾碧卿	华南师范大学软件学院	51	304	9.0	15.0
2	张敏	华南师范大学计算机学院	31	165	5.0	12.0
3	韩旭丽	华南师范大学计算机学院	7	18	2.0	4.0
4	曾锋	华南师范大学计算机学院	3	8	1.0	2.0
5	商齐	华南师范大学计算机学院	5	19	3.0	4.0