结合外部知识重构依赖矩阵的交互式图卷积网络

来源：计算机技术与发展杂志2024年第07期北京时间：

作者：任淑霞;刘旭琴

摘要：方面级情感分析旨在预测给定句子中特定方面的情感极性。 然而,现有大多数研究在对模型改进的过程中忽略了外部知识的有效利用,导致模型无法准确识别方面词的情感极性。 另外,仅仅考虑有限的上下文信息可能会使得模型在分析方面词时忽略其在句子中的重要性和影响。 基于此,提出了一种结合外部知识构建依赖增强矩阵的图卷积网络模型的方法(Dependency Enhancement Matrix GCN,DEMGCN)。 该方法首先将词嵌入和位置嵌入进行融合,得到包含位置信息的句子特征向量;同时引入情感常识信息对原始依赖矩阵进行扩展,形成新的依赖增强矩阵 DEM,这在一定程度上突出了情感词的权重信息,并且弥补了原始依赖树无法捕获边缘标签的不足。 此外,构建了一个信息交互网络( Information Interaction Network,IIN),通过方面词与上下文之间的交互来提取全局的句子信息。 最后,在 5 个基准数据集上的实验结果显示,与基线模型相比 DEMGCN 在准确率和 Macro-F1 上分别提高了 1 ~ 2 百分点。

关键词：位置信息;外部知识;交互网络;图卷积网络;方面级情感分析