基于ATT-DGRU的文本方面级别情感分析

• 作者: 尹久 池凯凯 宦若虹
• 来源期刊: 计算机科学
• 关键词: 方面情感分析 深度学习 截断循环神经网络
• 年，卷（期）: 2021,（5）
• 所属期刊栏目: 人工智能|Artificial Intelligence
• 页码范围: 217-224
• 页数: 8页
• 分类号: TP391
• 语种: 中文
• DOI: 10.11896/jsjkx.200500076

摘要

方面级别情感分类是针对给定文本、分析其在给定方面所表达出的情感极性.现有的主流解决方案中,基于注意力机制的循环神经网络模型忽略了关键词邻近上下文信息的重要性,而结合卷积神经网络(Convolutional Neural Network,CNN)的多层模型不擅长捕捉句子级别的长距离依赖信息.因此,提出了一种基于截断循环神经网络(Disconnected Gated Recurrent Units,DGRU)和注意力机制的方面级别情感分类网络模型(Attention-Disconnected Gated Recurrent Units,ATT-DGRU).DGRU网络综合了循环神经网络和CNN的优点,既能捕捉文本的长距离依赖语义信息,又可以很好地抽取关键短语的语义信息.注意力机制在推断方面情感极性时捕获每一个单词与给定方面的关联程度,同时生成一个情感权重向量用于可视化.ATT-DGRU模型在中文酒店评论数据集上进行ACSA任务,任务结果表明,其二分类、三分类准确率分别达到91.53％,86.61％;在SemEval2014-Restaurant数据集进行ATSA任务,任务结果表明,其二分类、三分类准确率分别可达90.06％,77.21％.