融合多特征的分段卷积神经网络对象级情感分类方法

• 作者: 周武 曾碧卿 徐如阳 杨恒 韩旭丽 程良伦
• 来源期刊: 中文信息学报
• 关键词: 多特征 分段 卷积神经网络 对象级情感分类
• 年，卷（期）: 2021,（2）
• 所属期刊栏目: 情感分析与社会计算|Sentiment Analysis and Social Computing
• 页码范围: 116-124,132
• 页数: 10页
• 分类号: TP391
• 语种: 中文
• DOI: 10.3969/j.issn.1003-0077.2021.02.012

摘要

对象级情感分类旨在判断句子中特定对象的情感极性类别.在现有基于卷积神经网络的研究中,常在模型的池化层采用最大池化操作提取文本特征作为句子表示,该操作未考虑由对象所划分的上下文,因此无法得到更细粒度的对象上下文特征.针对该问题,该文提出一种融合多特征的分段卷积神经网络(multi-feature piecewise convolution neural network,MP-CNN)模型,根据对象将句子划分为两个部分作为上下文,并在池化层采用分段最大池化操作提取上下文特征.此外,该模型还将有助于情感分类的多个辅助特征融入其中,如词的相对位置、词性以及词在情感词典中的情感得分,并通过卷积操作计算词的注意力得分,有效判断对象的情感极性类别.最后在SemEval 2014数据集和Twitter数据集的实验中,取得了较基于传统机器学习、基于循环神经网络以及基于单一最大池化的卷积神经网络分类模型更好的分类效果.