基于领域知识三元组和图卷积网络的方面级情感分类方法

来源：计算机科学与探索杂志2025年第12期北京时间：

作者：凤丽洲, 宋金林, 杨贵军, 王友卫

单位：1. 天津财经大学 统计学院，天津 3002222. 中央财经大学 信息学院，北京 100081

摘要：针对目前使用通用情感词典来加强文本中的情感倾向，无法准确识别特定领域中情感词与方面之间情感信息的问题，提出一种基于领域知识三元组和图卷积网络的方面级情感分类方法（DKT-GCN）。参考基于跨度的反偏见方面表示学习框架构建领域知识三元组，对文本序列进行句法依存分析，提取出文本中的关键结构信息，并利用所构建的领域知识三元组重构邻接矩阵，从而实现领域知识增强；利用基于Transformers的双向编码器表示（BERT）模型捕捉文本中深层次的语义和上下文信息，为每个词生成包含上下文信息的词向量隐藏上下文表示；通过图卷积网络模型聚合节点信息以更好地捕捉文本中的语义依赖关系，并通过加入掩码操作捕获方面关键信息，使模型能够更精准地识别情感倾向。实验结果表明，所提模型在四个公共基准数据集Lap14、Rest14、Rest15和Rest16上的准确率分别达到79.15%、86.34%、84.50%和91.56%，MF1值分别为75.72%、79.83%、71.84%和80.78%，显著高于多数对比模型。此外，在SemEval 2014、SemEval 2015和SemEval 2016中笔记本电脑和餐厅数据集上的实验结果表明，该方法可以有效提升情感分类的准确性。

关键词：方面级情感分类,领域知识三元组,BERT模型,图卷积网络

基金资助：天津市教委科研计划项目（2023SK115）。