基于图神经网络与表示学习的文本情感分析.pdfVIP

第４７卷第３期南京师大学报(自然科学版)Ｖｏｌ４７Ｎｏ３

２０２４年９月ＪＯＵＲＮＡＬＯＦＮＡＮＪＩＮＧＮＯＲＭＡＬＵＮＩＶＥＲＳＩＴＹ(ＮａｔｕｒａｌＳｃｉｅｎｃｅＥｄｉｔｉｏｎ)Ｓｅｐｔꎬ２０２４

－

ｄｏｉ:１０.３９６９/ｊ.ｉｓｓｎ.１００１４６１６.２０２４.０３.０１２

基于图神经网络与表示学习的文本情感分析

１２３ꎬ４

尹帮治ꎬ徐健ꎬ唐超尘

(１.邵阳职业技术学院ꎬ信息技术学院ꎬ湖南邵阳４２２０００)

(２.桂林电子科技大学机电工程学院ꎬ广西桂林５４１００１)

(３.桂林理工大学物理与电子信息工程学院ꎬ广西桂林５４１００４)

(４.西安电子科技大学通信工程学院ꎬ陕西西安７１００７１)

[摘要]近年来ꎬ情感分析是近年来自然语言处理领域备受学者关注的核心研究方向ꎬ传统文本情感分析模型

只能捕捉文本的表面特征ꎬ在不同领域或语境下缺乏泛化能力ꎬ难以处理长文本以及语义歧义等问题.针对上述

问题ꎬ本文设计了基于图神经网络与表示学习的文本情感分析模型(ａｔｅｘｔｓｅｎｔｉｍｅｎｔａｎａｌｙｓｉｓｍｏｄｅｌｂａｓｅｄｏｎｇｒａｐｈ

ｎｅｕｒａｌｎｅｔｗｏｒｋｓａｎｄｒｅｐｒｅｓｅｎｔａｔｉｏｎｌｅａｒｎｉｎｇꎬＧＮＮＲＬ).利用Ｓｐａｃｙ生成句子的语法依赖树ꎬ利用图卷积神经网络进

行编码ꎬ以捕捉句子中词语之间更复杂的关系ꎻ采用动态ｋ￣ｍａｘ池化进一步筛选特征ꎬ保留文本相对位置的序列

特征ꎬ避免部分特征损失的问题ꎬ从而提高模型的特征提取能力.最后将情感特征向量输送到分类器ＳｏｆｔＭａｘ中ꎬ

根据归一化后的值来判断情感分类.为验证本文所提ＧＮＮＲＬ模型的有效性ꎬ采用ＯＳ１０和ＳＭＰ２０２０两个文本情

感分析数据集进行测试ꎬ与ＨｙｐｅｒＧＡＴ、ＩＢＨＣ、ＢＥＲＴ＿ＣＮＮ、ＢＥＲＴ＿ＧＣＮ、ＴｅｘｔＧＣＮ模型比较ꎬ结果表明ꎬ综合

ａｃｃｕｒａｃｙ、ｐｒｅｃｉｓｉｏｎ、ｒｅｃａｌｌ、ｆ１４个指标ꎬ本文改进的ＡＭ＿ＤＮＮ模型均优于其他模型ꎬ在文本情感中具有较好的分

类性能ꎬ并探究了不同优化器的选择对本模型的影响.

[关键词]文本情感分析ꎬ图神经网络ꎬ表示学习ꎬ词嵌入

－－－

[中图分类号]ＴＰ３０１[文献标志码]Ａ[文章编号]１００１４６１６(２０２４)０３００９７０７

ＴｅｘｔＳｅｎｔｉｍｅｎｔＡｎａｌｙｓｉｓＢａｓｅｄｏｎＧｒａｐｈＮｅｕｒａｌ

ＮｅｔｗｏｒｋｓａｎｄＲｅｐｒｅｓｅｎｔａｔｉｏｎＬｅａｒｎｉｎｇ

１２３ꎬ４

ＹｉｎＢａｎｇｚｈｉꎬＸｕＪｉａｎꎬＴａｎｇＣｈａｏｃｈｅｎ

(１.ＳｃｈｏｏｌｏｆＩｎｆｏｒｍａｔｉｏｎＴｅｃｈｎｏｌｏｇｙꎬＳｈａｏｙａｎｇＰｏｌｙｔｅｃｈｎｉｃꎬＳｈａｏｙａｎｇ４２２０００ꎬＣｈｉｎａ)

(２.ＳｃｈｏｏｌｏｆＭｅｃｈａｎｉｃ