面向方面级情感分析的外部知识增强图注意力网络

来源：计算机工程与应用杂志2026年第2期北京时间：

作者：马英硕, 张春英, 杨光辉, 王静, 薛涛, 刘璐

单位：1.华北理工大学 理学院，河北 唐山 063210；2.华北理工大学 河北省数据科学与应用重点实验室，河北 唐山 063210；3.华北理工大学 唐山市工程计算重点实验室，河北 唐山 063210；

摘要：方面级情感分析，作为一种细粒度的情感分析任务，旨在识别文本中特定方面的情感倾向。然而，传统的分析方法常受限于文本内部信息，忽视了外部知识及上下文与方面词间的关系。此外，图注意力网络模型在结合外部知识时往往会忽略情感方面的知识表达。针对这些问题，提出一种基于外部知识增强图注意力网络的方面级情感分析模型（external knowledge enhanced graph attention network，EK-GAT）。具体来说，该网络利用外部情感词典为依赖树的每个单词分配情感分数，从而构建具有丰富情感表示的增强图。此外，为了进一步优化这些情感信息的使用，设计一种图注意力网络策略（SignGAT），这使得模型处理图数据时能够准确地捕捉节点间的情感表示。实验结果显示，在四个公开数据集上，EK-GAT模型的准确率比最优基线模型分别提高了1.08、2.40、0.81和2.50个百分点。

关键词：方面级情感分析（ABSA）,外部知识增强,图注意力网络（GAT）,情感词典,依赖树

基金资助：河北省属高校基本科研业务费资助项目（JST2022001）；华北理工大学博士科研启动基金（BS2017007）；华北理工大学教改重点项目（ZJ2142Q）。