多头交互式线性注意力与依存特征融合的方面级情感分析

来源：计算机工程与应用杂志2026年第13期北京时间：

作者：雷海卫, 阎梓豪, 张斌龙, 郑艺超

单位：中北大学 计算机科学与技术学院，太原 030051；

摘要：在方面级情感分析模型的研究中，方面词与观点词在句子语义结构中的深层次特征关联信息往往被忽视，导致现有的模型在跨句子上下文的理解能力有限，并且在处理观点词的多义性问题上往往会出现较大的偏差。为了解决这一问题，提出一种多头交互式线性注意力与跨尺度依存特征融合的网络模型（multi-head interactive linear attention and cross-scale dependency feature fusion network model，MLACF）。该模型融合多头交互式线性注意力和方面注意力机制，通过解析句法依存树，实现了对目标文本的精细特征提取，进而构建一个更为精确的注意力特征分数矩阵，并通过图卷积神经网络来处理目标节点的特征信息。此外，为了最大化利用所提取的特征信息，提出一种单输入跨尺度特征融合机制，该机制能够有效地整合语义和句法依存特征，从而显著提高模型在情感分析任务中的准确性。该模型在Rest14、Laptop14、Twitter这3个公开数据集上进行实验，与基线模型SSEGCN相比，准确率分别提升了0.92、1.07、1.44个百分点，Macro-F1值分别提升了2.08、1.19、1.99个百分点。同时与其他模型相比，也有明显的性能优势，证明了该模型的有效性。

关键词：方面级情感分析,句法特征,语义特征,注意力机制,图卷积神经网络,特征融合

基金资助：山西省基础研究计划青年项目（202203021222075）；山西省高等学校教学改革创新项目（J20240919）。