典型文献
融入情感和话题信息的中文方面级情感分析
文献摘要：
近年来的方面级情感分析模型应用图卷积神经网络(GCN)学习语句的语法结构信息,但是在建模时忽略了已知情感词信息和评论所属的已知话题环境,渐渐不能满足中文社交网络情感分析需求.针对以上问题,提出一种基于词典和深度学习软融合的字词双通道模型(2D-SGCN).该模型首先基于基础情感词典扩展得到微博领域词典,获得领域适用性的情感词;其次使用预训练模型获得字、词初始特征向量,并在字维度融入方面词和话题信息,分别使用Bi-LSTM和融入情感信息的GCN(SGCN)学习全局与局部信息;应用注意力机制得到方面词最终特征并进行多维度融合;最后将话题和方面词结合进行分类纠正.在SemEval-2014的Restaurant数据集上F1为73.67％,在NLPCC2012数据集上F1为91.5％,证明了该模型的有效性.
文献关键词：
方面级情感分析;图卷积神经网络;社交网络;情感词典;字词双通道;多维度融合;话题
中图分类号：
作者姓名：
周法国;孙冬雪
作者机构：
中国矿业大学(北京)机电与信息工程学院,北京100083
文献出处：
引用格式：
[1]周法国;孙冬雪-.融入情感和话题信息的中文方面级情感分析)[J].计算机应用研究,2022(12):3614-3619,3625
A类：
字词双通道,NLPCC2012
B类：
方面级情感分析,模型应用,图卷积神经网络,习语,语句,语法结构,结构信息,词信息,渐渐,文社,社交网络,双通道模型,2D,SGCN,情感词典,微博,领域词典,预训练模型,特征向量,方面词,Bi,情感信息,局部信息,注意力机制,多维度融合,SemEval,Restaurant
AB值：
0.30368
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。
