典型文献
基于内联关系的方面级情感分析方法
文献摘要：
方面级情感分析(aspect-based sentiment analysis,ABSA)旨在预测给定文本中特定目标的情感极性.研究表明,利用注意力机制对目标及其上下文进行建模,可以获得更有效的情感分类特征表达.然而,目前常用的方法是通过对特定目标使用平均向量来计算该目标上下文的注意权值,这类方法无法突出文本中个别单词对于整个句子的重要性.因此,提出了一种基于内联关系的方面级情感分析方法,该方法可以对目标和上下文进行建模,将关注点放在目标的关键词上,以学习更有效的上下文表示.首先使用门控循环单元(gated recurrent unit,GRU)对方面信息和句中单词进行融合分布式表达;然后将分布式表达输入到结合注意力机制的长短时记忆网络(long short-term memory network,LSTM),通过查询机制来增加内联关系的权重,最终得到方面级情感分类.该模型在公开数据集上进行的实验结果表明,该方法是有效的,精确度均超过基线模型.
文献关键词：
方面;情感分析;内联关系;门控循环单元;长短时记忆网络
中图分类号：
作者姓名：
张克;张文俊;朱蕴文;邢毅雪
作者机构：
上海大学上海电影学院,上海200072
文献出处：
引用格式：
[1]张克;张文俊;朱蕴文;邢毅雪-.基于内联关系的方面级情感分析方法)[J].上海大学学报（自然科学版）,2022(01):157-169
A类：
内联关系
B类：
方面级情感分析,aspect,sentiment,analysis,ABSA,特定目标,情感极性,注意力机制,上下文,分类特征,特征表达,权值,单词,句子,关注点,门控循环单元,gated,recurrent,unit,GRU,长短时记忆网络,long,short,term,memory,network,加内,方面级情感分类,公开数据集,基线模型
AB值：
0.308728
相似文献
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
