面向方面级情感分析的双通道图卷积网络

来源：计算机技术与发展杂志2024年第03期北京时间：

作者：刘洋;黎茂锋;黄俊;陈立伟

单位：西南科技大学 计算机科学与技术学院,四川 绵阳 621010 Author(s): LIU Yang;LI Mao-feng;HUANG Jun;CHEN Li-wei School of Computer Science and Technology,Southwest University of Science and Technology, Mianyang 621010,China 关键词: 方面级情感分析;句法依赖;自注意力机制;情感信息;图卷积网络 Keywords: aspect - based sentiment analysis; syntactic dependency; self - attention mechanism; sentiment information; graphconvolutional network 分类号: TP391 DOI: 10. 3969 / j. issn. 1673-629X. 2024. 03. 008 摘要: 当前大多数方面级情感分析通过在句法依赖树上构建图神经网络,从句法依赖树上聚合方面项与上下文之间的情感信息,缺乏对文本语义相关性以及文本中情感知识的挖掘。 为此,提出一种融合语义信息和文本自身情感信息的双通道图卷积神经网络( Dual-Channel Graph Convolutional Networks,DC-GCN) 模型,该模型基于具有上下文语义相信息的句法依赖图( Sentiment-relationship Graph,SrG) 和情感依赖图( Sentiment Graph,SeG) 构建。 具体来说:首先,使用注意力机制捕获文本的语义相关性,并将其融入句法依赖,设计了一个具有上下文语义信息的句法依赖图( SrG) ;其次,整合SenticNet 词典中单词的情感信息构建了一个文本情感依赖图( SeG) ;最后,分别基于 SrG 和 SeG 构建单通道图卷积神经网络,再将两个单通道图卷积网络融合成双通道图卷积神经网络,以融合文本的具有语义信息的句法特征和文本自身的情感特征。 在四个公开数据集( Twitter,Rest14,Lap14 和 Rest16) 上取得了比对比模型更好的效果,其中文中模型在 Marco-F1 值上分别高出对比模型 0. 95 百分点、1. 24 百分点、0. 62 百分点和 2. 75 百分点。

摘要：当前大多数方面级情感分析通过在句法依赖树上构建图神经网络,从句法依赖树上聚合方面项与上下文之间的情感信息,缺乏对文本语义相关性以及文本中情感知识的挖掘。 为此,提出一种融合语义信息和文本自身情感信息的双通道图卷积神经网络( Dual-Channel Graph Convolutional Networks,DC-GCN) 模型,该模型基于具有上下文语义相信息的句法依赖图( Sentiment-relationship Graph,SrG) 和情感依赖图( Sentiment Graph,SeG) 构建。 具体来说:首先,使用注意力机制捕获文本的语义相关性,并将其融入句法依赖,设计了一个具有上下文语义信息的句法依赖图( SrG) ;其次,整合SenticNet 词典中单词的情感信息构建了一个文本情感依赖图( SeG) ;最后,分别基于 SrG 和 SeG 构建单通道图卷积神经网络,再将两个单通道图卷积网络融合成双通道图卷积神经网络,以融合文本的具有语义信息的句法特征和文本自身的情感特征。 在四个公开数据集( Twitter,Rest14,Lap14 和 Rest16) 上取得了比对比模型更好的效果,其中文中模型在 Marco-F1 值上分别高出对比模型 0. 95 百分点、1. 24 百分点、0. 62 百分点和 2. 75 百分点。

关键词：方面级情感分析;句法依赖;自注意力机制;情感信息;图卷积网络