局部信息增强的多特征融合的方面级情感分析模型.pdfVIP

局部信息增强的多特征融合的方面级情感分析模型.pdf

2025年5月中央民族大学学报（自然科学版）May,2025

SciencesEdition)Vol.34No.2

第34卷第2期JournalofMUC(Natural

局部信息增强的多特征融合的方面级情感

分析模型

冯尔森，张海军

（新疆师范大学计算机科学技术学院，乌鲁木齐830054）

摘要：方面级情感分析是一种情感分析任务，旨在对文本中不同方面或目标的情感进行分类和分析，本研

究针对现有方面级情感分析模型中只对全局上下文中句法依赖信息进行建模，而忽略了局部上下文中深度

语义信息和句法结构信息对方面级情感分析的积极影响，提出了基于局部信息增强的多特征融合的方面级

情感分析模型（aspectlevelsentimentanalysismodelwithenhancedlocalinformationandmultifeaturefusion，

LYLEGCN），该模型通过构建句法依存和深度语义依存中的距离特征和单词之间的关系类型特征两种重要信

息来增强局部特征信息的影响权重，从而提高模型对局部文本特征的学习能力。模型在Restaurant、Laptop及

Twitter三个公开数据集上进行了实验分析，F1值分别达到75.92%、74.52%和74.39%。实验结果表明，该模

型能够有效挖掘实体方面级相关的文本特征信息，更精确地预测方面级的情感极性。

关键词：双向长短时记忆网络；图卷积神经网络；依存关系树；语法信息；方面级情感分类

中图分类号：TP391文献标识码：A文章编号：1005-8036（2025）02-0061-09

方面级情感分析是自然语言处理的一个细分领域，旨在识别方面目标在句子中的情感极性。例如，

在句子“WhiletheiPhonesiossystemissmooth,thebatterylifeisdifferent,especiallyinlowtempera-

tures.”中，方面词“system”的对应情感极性是积极，方面词“battery”对应的情感极性是消极。

早期方面级情感分析方法主要是基于规则和统计学习方法，基于统计学习方法建模是根据文字

规律及单词词性统计出一组有意义的词库，结合机器学习算法进行情感极性的判断。随着深度学习的

发展，其逐步在方面级情感分析中得到了应用。Wang(21等首次提出长短时记忆网络和注意力机制相结

合的混合模型，来计算实体方面级与上下文特征的注意力，以选择句子中与方面相关的重要单词。

Ma[3]等引人了一种交互式注意机制，分别生成方面和上下文的表示，通过交互式注意机制将两者特征

进行融合。除了基于LSTM的方法，还有一些研究人员使用其他的神经网络模型用于解决方面的情感

分类任务。Li[41等基于CNN方法提出了T-Net模型，通过一个组件来生成句子中单词特定方面目标的

特征表示，同时结合了一种用于保留LSTM层中原始上下文信息的机制，弥补了CNN不能很好地处理

多目标情感的缺陷。Huang[5]等结合CNN和门控机制，通过参数化的方式将方面级信息结合到CNN中

进行分析。Huang6]等利用了单词之间的依赖关系，通过依赖图构建方面级目标的句法特征，并结合图

注意力机制进行建模。Zhang171等通过句法解析工具解析句子来构建依赖树，在依赖树上使用CCN进

收稿日期：2024-03-28

基金项目：国家自然科学基金-新疆联合基金重点项目（U1703261）；新疆维吾尔自治区自然科学基金项目

(2022D01A226)

作者简介：冯尔森（1994一），男（汉族），甘肃白银人，新疆师范大学计算机科学技术学院硕士，主要研究方向：自然

语言、细粒度情感分析。

通讯作者：张海军（1973一），男（汉族），吉林四平人，博士，新疆师范大学计算机科学技术学院教授，硕士生导师，主