基于位置和词性特征的藏文情感三元组抽取模型

来源：计算机技术与发展杂志2025年第02期北京时间：

作者：斯曲卓嘎;;拥措;*;赛鸣宇;

单位：1. 西藏大学 信息科学技术学院,西藏 拉萨 850000;2. 西藏自治区藏文信息技术人工智能重点实验室,西藏 拉萨 850000;3. 藏文信息技术教育部工程研究中心,西藏 拉萨 850000

摘要：藏文情感三元组(方面词、情感词、情感极性)是细粒度情感分析的核心任务,对于深入理解藏族情感表达和趋势至关重要。 但藏文的独特语言结构和文化背景导致其情感表达方式与其他语言不同,从而增加了细粒度情感分析的复杂性。 为了提高藏文情感三元组的提取能力,该文提出了 OpinionNet-OTE-MTL 模型,该模型融合了词性信息、Word2Vec 词向量和绝对位置向量,并通过双向长短时记忆网络(BILSTM)进行特征提取。 其中,由于藏文词性种类较多,该文分析了大量的情感数据集并从中提取出 11 种词性辅助模型识别。 最后,为了验证 OpinionNet-OTE-MTL 模型的有效性,在自构建的 2 000 句藏文细粒度情感分析数据上进行了对比实验和消融实验。 消融实验表明,词性较位置信息对模型的影响更大,其三元组抽取 F1 值提高了 3. 06 百分点;对比实验结果表明将词性和位置特征融入进模型后,在情感三元组提取(Triple)任务上的精确率、召回率和 F1 值较基线实验提高了 4. 73 百分点、6 百分点、6. 14 百分点,融入词性和绝对位置信息使模型能更精确地理解藏文的语法结构和语义规则,从而提升了情感三元组分类任务的准确度。

关键词：藏文;Word2Vec;词性;位置特征;情感三元组