基于深度学习的方面级情感分析研究.pdf

摘要

摘要

现如今，电子商务和社交媒体已经完全普及到了大众之中，随即产生了大量

的文本数据，这些数据往往带有用户的情感表达，研究文本数据的情感倾向性可

为商家或者服务者提供用户反馈参考，其所带来商业价值是可观的并且是具有研

究意义的。方面级情感分析（Aspect-basedSentimentAnalysis，ABSA）是一项细

粒度的情感分析任务，旨在识别句子中给定的一个或多个方面项的情感极性（例

如，积极、消极或中性等）。虽然现有的方面级情感分析方法已经取得了卓越的

性能，但仍有改进的空间，针对现有模型存在的问题，本文提出了两种基于图卷

积神经网络的模型，主要工作包括以下两点：

（1）现有基于图神经网络的方面级情感分析模型通常直接构建句子依赖树

来表示上下文与方面之间的依赖关系信息，而忽略了单词情感知识信息的利用。

其次，现有经典方面级情感分析模型通常将句子中的方面项拆分单独判别其情感

极性，而忽略了对不同方面间的依赖关系信息的利用。针对以上问题本文提出了

一种基于双图卷积网络学习情感知识和方面间依赖关系的方面级情感分析模型

（DGCN-SKIA）。具体来说，该模型首先基于自注意力机制和交互注意力机制

获取上下文内部依赖信息和上下文与方面项交互依赖信息。其次，模型引入

SenticNet情感词典为单词添加情感知识信息，模型基于方面项之间的位置关系

构建方面交互图。最后，模型使用图卷积网络对两种信息进行特征提取并加和。

本文在餐馆和笔记本领域的四个数据集上对模型进行了实验验证，该模型在准确

率和F1值上比最好的基准模型平均高出了1.96%，并且在Rest16数据集上达到

了最高91.4%的准确率。

（2）本文提出的DGCN-SKIA模型在融合信息时使用了静态的加和融合方

法，导致模型不能充分的融合情感知识信息和方面间依赖关系信息。针对以上问

题，本文改进了DGCN-SKIA模型并提出基于门控机制融合情感知识信息和方面

交互信息的方面级情感分析模型（GMF-SKIA）。模型首先改进了情感知识图的

构建方法，以情感权重的方式建模单词的情感关系。其次，模型利用方面相关的

注意力机制来建模方面间依赖关系。此外，模型基于门机制设计了一种信息门以

动态地融合情感知识信息和方面间关系信息。最后，模型使用掩码机制和注意力

机制获取特定方面表示并进行分类。该模型在DGCN-SKIA的基础上最高提升了

2.01%，并在Rest16数据集达到了91.56%的准确性。

关键词：方面级情感分析图卷积神经网络门控机制方面交互情感知识

I

Abstract

Abstract

Nowadays,e-commerceandsocialmediahavebecomecompletelypopularamong

thegeneralpublic,whichgeneratesalargeamountoftextualdata,oftenwithusers

sentimentexpressions,andstudyingthesentimenttendencyoftextualdatacanprovide

businessorserviceproviderswithuserfeedbackreferences,whichbringsconsiderable

businessvalueandresearchsignificance.Aspect-basedSentimentAnalysis(ABSA)is

afine-grainedsentimentanalysistaskthataimstoidentifythesentimentpolarity(e.g.,

positive,negative,orneutral,etc.)ofoneormoregivenaspectitemsinasenten