知识驱动的多语义语法交互方面级情感分析.pdfVIP

第43卷第3期兰州交通大学学报Vol.43No.3

2024年6月JournalofLanzhouJiaotongUniversityJun.,2024

文章编号：2096-9066（2024)03-0049-08DOI:10.3969/j.issn.2096-9066.2024.03.006

知识驱动的多语义语法交互方面级情感分析

白雪，韩虎

（兰州交通大学电子与信息工程学院，兰州730070）

摘要：针对目前图卷积网络处理情感分类任务时存在对文本丰富的信息利用不充分问题，提出一种知识驱动的多语

义语法交互方面级情感分析模型。通过方面词与上下文之间的多种语义关系构建多语义关系图，利用外部知识构建

情感依存图；此外，通过对注意力机制进行优化获得更高级上下文表示，随后融合不同表示。5个数据集上的实验

结果表明：所提模型与基准模型ASGCN相比,KSSGCN_GloVe的准确率和宏F1分别平均提升1.59%和3.17%。

关键词：方面级情感分析；知识驱动；图卷积网络；外部知识

中图分类号：TP391文献标志码：A

Knowledge-drivenMulti-SemanticSyntactic

InteractionsModelforAspect-basedSentimentAnalysis

BAIXue,HANHu

(SchoolofElectronicandInformationEngineering,LanzhouJiaotongUniversity,Lanzhou730070,China)

Abstract:Inresponsetotheproblemofinsufficientutilizationofrichcontextinformationinsentimentclassification

tasksusinggraphconvolutionalnetworks,aknowledge-drivenaspectbasedsentimentanalysismodelformulti-se-

manticsyntacticinteractionisproposed.Multiplesemanticrelationshipsbetweenaspectsandcontextsareusedto

constructamulti-semanticrelationshipdiagram,andexternalknowledgeisusedtoconstructanemotionaldependen-

cydiagram,Inaddition,amoreadvancedcontextrepresentationisobtainedbyoptimizingtheattentionmechanism.

Then,differentrepresentationswerefused.Theexperimentalresultsonfivepublicdatasetsshowthattheproposed

model,KSSGCN_GloVe,hasachievedanaverageimprovementof1.59%inaccuracyand3.17%inmacroF1com-

paredtothebaselinemodelASGCN.

Keywords:aspect-basedsentimentanalysis;knowledge-driven;graphconvolutionnetwork;externalk