融合双重权重机制和图卷积神经网络的微博细粒度情感分类

• 作者: 李浩 张兰 杨兵 杨海潇 寇勇奇 王飞 康雁
• 来源期刊: 计算机科学
• 学科: 工学
• 关键词: 细粒度情感分类 双重权重机制 注意力机制 图卷积神经网络
• 年，卷（期）: 2022,（3）
• 所属期刊栏目: 人工智能|Artificial Intelligence
• 页码范围: 246-254
• 页数: 9页
• 分类号: TP391
• 语种: 中文
• DOI: 10.11896/jsjkx.201200073

摘要

利用深度学习模型和注意力机制对微博文本进行细粒度情感分类,已成为研究的热点,但是现有注意力机制只考虑单词对单词的影响,对单词本身的多种维度特性(如词义、词性、语义等特征信息)缺乏有效的融合.为了解决这个问题,文中提出了一种双重权重机制WDWM(Word and Dimension Weight Mechanism),并将其与基于解析依赖树的GCN模型相结合,通过选择每条微博中含有关键信息的单词,来抽取单词的重要维度特性,对单词的多种维度特性进行有效融合,从而捕获更加丰富的特征信息.在针对微博细粒度情感分类的实验中,融合双重权重机制和图卷积神经网络的微博细粒度情感分类模型(WDWM-GCN)的F测度达到了84.02％,比2020年提出的最新的算法高出1.7％,这进一步证明,WDWM-GCN能对单词的多维度特性进行有效的融合,能够捕获丰富的特征信息.在对搜狗新闻数据集进行分类的实验中,BERT模型在加入WDWM后,其分类效果得到了进一步提升,这充分证明WDWM对所提分类模型有明显的改进效果.