结合短语与句法特征的方面级情感分析.pdfVIP

与

信息技术信息化计算机应用

结合短语与句法特征的方面级情感分析

孙涛1*

摘要当前方面级情感分析领域，句子中同时存在多种差异情感极性时，方面词的情感判别会受到情感噪声

的影响。为此，文章提出了一种结合短语与句法特征的方面级情感分析方法（combiningphraseand

syntacticfeaturesforaspect-basedsentimentanalysis,Phrase-ABSA）。该框架分别由四个模块组成：语义

模块、句法模块、构成模块、情感查询模块。其中，语义模块采用BERT模型和多头注意力学习丰富

的上下文信息并进行单词表征；句法模块采用依存图和GCN获取单词之间的句法依赖关系；构成模块

采用构成树和异构图神经网络（heterogeneousgraphneuralnetwork,HGNN）学习单词之间的层次依赖关

系，并进一步获取方面词的短语表征，避免情感噪声的影响；构成模块利用CrossAttention实现方面词

短语的情感极性查询。在Lap14、Rest14、Twitter、MAMS公开数据集上进行实验验证，实验结果表明

Phrase-ABSA的整体性能要优于基线模型。

关键词方面级情感分析；情感噪声；句法依赖；层次依赖

doi：10.3969/j.issn.1672-9528.2025.09.013

0引言1相关工作

随着互联网信息技术的快速发展，微博、知乎、推特等早期ABSA任务研究围绕注意力机制和循环神经网络来

社交媒体平台每天会产生海量的用户评论信息。这些评论包实现ABSA任务。采用循环神经网络模型来捕获文本序列之

含丰富的价值，例如，生产者-消费者领域，挖掘用户评论间的长距离依赖关系，然后利用Attention为单词分配权重，

不仅能作为反馈信息给生产商改进产品缺陷，而且还能为消进而捕获关键单词的上下文情感。Tang等人[4]提出多跳的深

费者购买商品提供指导建议。如何有效地管理和挖掘互联网度记忆网络模型，其利用LSTM对句子上下文进行表征，后

上海量的用户评论信息引起研究者的关注。其中，方面级情设计多层注意力和线性捕获关键上下文。Fan等人[5]利用一

感分析技术（aspectbasedsentimnetanalysis,ABSA)[1]能有效

种多粒度注意机制来捕捉方面与上下文之间的词级交互。虽

抽取评论中的方面词和判别对应的情感极性，被广泛应用于然上述方法能有效地捕获文本的上下文信息，但是LSTM表

评论文本挖掘。ABSA不仅是自然语言处理领域的一项研究

征无法有效应对一词多义问题且Attention容易受到句子噪声

任务，而且还是数据挖掘的一项重要课题。然而，当句子中

影响。

同时存在多种情感极性时，ABSA技术会受到句子结构的影[6]

近几年，随着BERT预训练模型对文本的表征取得显

响而面临情感噪声的问题。