面向语义片段结构化自注意力的目标情感分析.pdfVIP

CMYKC:\UsersAdministrator/DesktopV小型微型计算机系统22年12期\2499-2505邓航.PS2022/13008:32:46Time：2022413014:42;17

小型微型计算机系统2022年12月第12期

DOI:10.20009/j.cnki.21-1106/TP.2022-0062

JournalofChineseComputerSystemsVol.43No.122022

面向语义片段结构化自注意力的目标情感分析

邓航,陈渝’,赵容梅,琚生根

1（四川大学计算机学院，成都610000）

2（四川民族学院理工学院，四川康定626000）

E-mail:jsg@scu.edu.cn

摘要：目标情感分析任务中大多数方法都使用循环神经网络或注意力机制对句子进行建模，但循环神经网络很难进行并行

化计算，且不能充分捕捉长距离的语义信息；注意力机制注重于词与词之间的相关性，忽略了语义片段的重要性.针对以上问

题，论文提出了一种面向语义片段结构化自注意力的目标情感分析方法.首先通过BERT获取目标词、上下文和整个句子的嵌

入表示，再利用注意力编码网络进行语义建模.其次，通过多头注意力机制获得目标与上下文的融合语义特征，通过结构化自注

意力机制获得句子片段的语义特征.最终，在融合各个语义特征的基础上对目标的情感极性分类本方法在SemEval2014

Task4和SemEval2015Task12通用数据集上的实验表明，该方法对比基线方法获得了提升.

关键词：目标情感分析；注意力编码网络；结构化自注意力；BERT

中图分类号：TP391文献标识码：A文章编号：1000-1220(2022)12-2499-07

SemanticFragment-basedStructuredSelf-attentionforTargetedSentimentAnalysis

DENGHang,CHENYu’,ZHAORong-mei,JUSheng-gen

1(CollegeofComputerScience,SichuanUniversity,Chengdu61000,China)

2(CollegeofScienceTechnology,SichuanMinzuCollege,Kangding626000,China)

Abstract:Intargetsentimentanalysistask,mostofthecurrentmethodsuseRecurrentNeuralNetwork(RNN)orattentionmechanisms

formodelingsentences.However,RNNsaredifficulttoparallelcomputationandcantfullycapturesemanticinformationoverlong

distances.Attentionmechanismfocusesonthecorrelationbetweenwordsandignorestheimportanceofsemanticfragments.Tosolve

theaboveproblems,thispaperp