基本信息来源于合作网站,原文需代理用户跳转至来源网站获取       
摘要:
基于Aspect的情感分析(ABSA)是一个细粒度的任务,由于它可以比一般的情感分析提供更详细的信息与数据,所以近年来他备受瞩目.它的主要任务是判断或预测句子在给定的场景中某些方面的情感极性.所以实体关注点的不同,就决定了一个句子的情绪极性的不同.例如,"这个笔记本电脑的性能很好,但是价格很高.",性能和价格就是两个关注点.因此,有必要进一步探讨目标实体关注点与句子内容之间的联系.为此,启发的在Gated Tanh-ReLU单元的基础上进行改进,提出了一个新颖的基于卷积神经网络带有注意力机制的门控机制模型.一方面,它具有三重新型门控机制,进行了三次Gated Tanh-ReLU单元的循环使用;其次,在模型最后再进行一次GRU和注意力机制,进行更好的筛选,最终总结为即基于Aspect的带有注意力机制的门控卷积网络(AGACE)模型.结果表明,(AGACE)模型在ACSA方面测试集上为86.77%、76.45%,在ATSA方面也有76.27%,73.27%.Semeval-2014数据集上的实验表明AGACE模型在基于Aspect情感分类方面具有更好的性能,能够提高识别结果准确度与识别效率.
推荐文章
基于卷积神经网络和注意力模型的文本情感分析
社交网络
文本情感分析
卷积神经网络
注意力模型
采用注意力门控卷积网络模型的目标情感分析
情感分析
循环神经网络
多头注意力机制
门控卷积机制
基于表情符注意力机制的微博情感分析模型
表情符
微博
情感分析
注意力机制
基于自注意力机制的方面情感分类
方面词
情感分类
自注意力机制
语义编码
内容分析
关键词云
关键词热度
相关文献总数  
(/次)
(/年)
文献信息
篇名 基于Aspect带有CNN注意力机制的门控卷积网络与情感分析
来源期刊 软件 学科 工学
关键词 情感分析 GatedTanh-ReLU单元 实体关注点 门控机制 AGACE模型
年,卷(期) 2019,(7) 所属期刊栏目 基金项目论文
研究方向 页码范围 8-15
页数 8页 分类号 TP391.1
字数 6288字 语种 中文
DOI 10.3969/j.issn.1003-6970.2019.07.002
五维指标
作者信息
序号 姓名 单位 发文数 被引次数 H指数 G指数
1 田刚 山东科技大学计算机科学与工程学院 16 131 5.0 11.0
2 孙承爱 山东科技大学计算机科学与工程学院 22 103 6.0 9.0
3 赵瑞 山东科技大学计算机科学与工程学院 2 6 1.0 2.0
传播情况
(/次)
(/年)
引文网络
引文网络
二级参考文献  (16)
共引文献  (16)
参考文献  (3)
节点文献
引证文献  (0)
同被引文献  (0)
二级引证文献  (0)
1990(1)
  • 参考文献(0)
  • 二级参考文献(1)
1994(1)
  • 参考文献(0)
  • 二级参考文献(1)
1997(2)
  • 参考文献(0)
  • 二级参考文献(2)
2000(1)
  • 参考文献(0)
  • 二级参考文献(1)
2003(1)
  • 参考文献(0)
  • 二级参考文献(1)
2008(1)
  • 参考文献(0)
  • 二级参考文献(1)
2011(3)
  • 参考文献(1)
  • 二级参考文献(2)
2012(1)
  • 参考文献(0)
  • 二级参考文献(1)
2013(2)
  • 参考文献(0)
  • 二级参考文献(2)
2014(1)
  • 参考文献(0)
  • 二级参考文献(1)
2015(2)
  • 参考文献(0)
  • 二级参考文献(2)
2016(1)
  • 参考文献(0)
  • 二级参考文献(1)
2018(2)
  • 参考文献(2)
  • 二级参考文献(0)
2019(0)
  • 参考文献(0)
  • 二级参考文献(0)
  • 引证文献(0)
  • 二级引证文献(0)
研究主题发展历程
节点文献
情感分析
GatedTanh-ReLU单元
实体关注点
门控机制
AGACE模型
研究起点
研究来源
研究分支
研究去脉
引文网络交叉学科
相关学者/机构
期刊影响力
软件
月刊
1003-6970
12-1151/TP
16开
北京市3108信箱
1979
chi
出版文献量(篇)
9374
总下载数(次)
40
论文1v1指导