基于双策略图卷积网络的方面级情感分析.pdfVIP

第26卷第1期大连民族大学学报Vol.26,No.1

2024年1月JournalofDalianMinzuUniversityJanuary2024

文章编号2024)01-0073-07

基于双策略图卷积网络的方面级情感分析

孙赫文，孟佳娜，丁梓晴，江烽

（大连民族大学计算机科学与工程学院辽宁大连116650)

摘要：针对依赖解析结果不准确和在线评论复杂性导致的方面词情感分类效果差的问题。提出一种基

于双策略图卷积网络（Dual-StrategyGraphConvolutionalNetwork）模型的方法。首先利用依赖解析器中

反映所有依赖关系的概率矩阵构造一个具有丰富句法知识的SynGCN模块，其次利用自注意力机制获得

邻接矩阵形式的注意力得分矩阵作为WcoGCN模块的邻接矩阵,并利用正则化器约束该模块中的注意力

分数来精准捕获词之间的相关性。实验结果表明：该模型准确率、F1值均优于其他的模型，能够提升公

共数据集的情感分类效果。

关键词：方面词；情感词；依赖关系；SynGCN；WcoGCN

中图分类号：TP391文献标志码：A

Aspect-levelSentimentAnalysiswithDual-strategyGraph

ConvolutionalNetworks

SUNHewen,MENGJiana,DINGZiqing,JIANGFeng

(SchoolofComputerScienceandEngineering,DalianMinzuUniversity,DalianLiaoning116650,China)

Abstract:Aimingattheproblemofpoorsentimentclassificationeffectofaspectwordscausedby

inaccuratedependencyparsingresultsandcomplexityofonlinereviews,thispaperproposesa

methodbasedontheDual-strategyGraphConvolutionalNetwork.Firstly,theprobabilityma-

trixwhichreflectsalldependenciesinthedependencyparserisusedtoconstructaSynGCN

modulewithrichsyntacticknowledge.Secondly,theself-attentionmechanismisutilizedtoob-

taintheattentionscorematrixoftheadjacencymatrixastheadjacencymatrixoftheWcoGCN

module,andtheregularizerisexploitedtoconstraintheattentionscoreinthemoduletoaccu-

ratelycapturethecorrelationsbetweenwords.Experimentalresultsshowthattheaccuracyand

F1valueoftheproposedmodelarebetterthanothermodels,anditcanimprovetheeffectof

sentimentclassificationonpublicdatasets.