基于胶囊网络的方面级跨领域情感分析

来源：计算机应用杂志2022年第12期北京时间：

作者：孟佳娜, 吕品, 于玉海, 孙世昶, 林鸿飞

单位：1.大连民族大学 计算机科学与工程学院，辽宁 大连 116600；2.大连理工大学 计算机科学与技术学院，辽宁 大连 116024

摘要：在跨领域情感分析任务中，目标领域带标签样本严重不足，并且不同领域间的特征分布差异较大，特征所表达的情感极性也有很大差别，这些问题都导致了分类准确率较低。针对以上问题，提出一种基于胶囊网络的方面级跨领域情感分析方法。首先，通过BERT预训练模型获取文本的特征表示；其次，针对细粒度的方面级情感特征，采用循环神经网络（RNN）将上下文特征与方面特征进行融合；然后，使用胶囊网络配合动态路由来区分重叠特征，并构建基于胶囊网络的情感分类模型；最后，利用目标领域的少量数据对模型进行微调来实现跨领域迁移学习。所提方法在中文数据集上的最优的F1值达到95.7%，英文数据集上的最优的F1值达到了91.8%，有效解决了训练样本不足造成的准确率低的问题。

关键词：方面级情感分析,跨领域,胶囊网络,循环神经网络,预训练

基金资助：国家自然科学基金资助项目(61876031);辽宁省教育厅2019年度科学研究经费项目(LJYT201906)