典型文献
基于图注意力网络的方面级别文本情感分析
文献摘要：
方面级别文本情感分析旨在分析文本中不同方面所对应的情感趋向.传统基于神经网络的深度学习模型在文本情感分析的过程中,大多直接使用注意力机制而忽略了句法关系的重要性,即不能充分利用方面节点的上下文语义信息,导致情感趋向预测效果不佳.针对该问题,设计一种融合句法信息的图注意力神经网络模型,并将其应用于文本情感分析任务.利用预训练模型B E RT进行词嵌入得到初始词向量,将初始词向量输入双向门控循环神经网络以增强特征向量与上下文信息之间的融合,防止重要上下文语义信息丢失.通过融合句法信息的图注意力网络加强不同方面节点之间的交互,从而提升模型的特征学习能力.在SemEval-2014数据集上的实验结果表明,该模型能够充分利用句法信息进行情感分析,其准确率较LSTM及其变种模型至少提升3％,对Restaurant评论进行情感分类预测时准确率高达83.3％.
文献关键词：
情感分析;门控循环神经网络;图卷积神经网络;句法依赖;注意力机制
中图分类号：
作者姓名：
施荣华;金鑫;胡超
作者机构：
中南大学 计算机学院,长沙 410083;中南大学 大数据研究院,长沙 410083
文献出处：
引用格式：
[1]施荣华;金鑫;胡超-.基于图注意力网络的方面级别文本情感分析)[J].计算机工程,2022(02):34-39
A类：
B类：
图注意力网络,方面级别,文本情感分析,深度学习模型,注意力机制,句法关系,上下文语义,语义信息,句法信息,注意力神经网络,预训练模型,词嵌入,词向量,双向门控循环神经网络,特征向量,上下文信息,信息丢失,特征学习能力,SemEval,变种,少提,Restaurant,情感分类,分类预测,图卷积神经网络,句法依赖
AB值：
0.271394
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。
