基于动态注意力DAGRU特定目标情感分类.PDFVIP

文章编号：1003-0077 （2018）00-0000-00 基于动态注意力DAGRU 的特定目标情感分类 李丽双，周安桥，刘阳，钱爽，郭元凯 （大连理工大学 计算机科学与技术学院，辽宁 大连 116024） 摘要：特定目标情感分类是一个极具挑战的任务，其目的是确定上下文语境中某些实体所表达的情感。由 于目标实体的情感依赖于实体本身以及对上下文的理解，在分类时应该同时考虑句子和目标实体，并且需 要将目标实体与上下文语义进行充分地整合。因此，本文提出：（1）句子、目标实体共同编码方法； （2 ） 基于动态注意力DAGRU （Dynamic Attention Gated Recurrent Unit ）的特定目标情感分析方法。共同编码是 指同时对句子和目标实体进行语义编码，能为目标实体增加上下文语义；动态注意力机制能动态地改变模 型对上下文单词的注意力以及目标实体的表示，从而更有效地获取上下文情感特征，使模型更准确地识别 不同目标实体的情感类别。本文模型在SemEval2014 的数据集Laptop 、Restaurant 上进行实验，实验结果 表明，基于动态注意力DAGRU 的模型相比基于标准注意力的模型结果有显著提高。 关键词：动态注意力机制；GRU ；特定目标情感分析；深度学习 中图分类号：TP391 文献标识码：A Aspect-based Sentiment Analysis Based on Dynamic Attention GRU LI Lishuang, ZHOU Anqiao, LIU Yang, QIAN Shuang, GUO Yuankai (School of Computer Science and Technology, Dalian University of Technology, Dalian, Liaoning 116024, China) Abstract: Aspect-level sentiment analysis is a fine-grained task in sentiment analysis, which aims to identify the sentiment polarity (i.e., negative, neutral, or positive) of a specific opinion target in its context. Since the sentiment polarity of the target depends on the target itself and the semantics of the context, the target and the sentence should be treated equally and modelled interactively. On this basis, in this paper, we propose: (1) a method to encode the aspect and the sentence simultaneously. (2) a DAGRU (Dynamic Attention Gated Recurrent Unit) based neural network for aspect-level sentiment analysis. The simultaneously encoding manner can generate the target representation which contains more contextual clues; The dynamic attention mechanism can achieve the attention values of contextual words and further generate the target representation dynamically. The experimental results on Se