典型文献
多任务交互式学习网络的方面情感分析
文献摘要：
方面情感分析传统方法采用方面词抽取-情感预测的独立学习模式,未充分利用两模块的联合信息及训练过程中有价值的信息.提出基于消息传递机制的多任务交互式学习网络,模型采用细粒度属性级分类任务和篇章级分类任务联合训练,设计消息传递显式地对任务交互进行建模,通过共享隐藏变量迭代传递信息,有助于特征学习和推理.方面情感分析模块提出词级信息交互机制以及观点词抽取——情感预测信息传递通道,实现双注意力机制;利用池化操作嵌入多层GRU网络实现篇章级任务预测.设计迭代算法在方面级和篇章级任务间交替训练,通过三个数据集上的实验对比,结果表明模型在每个子任务的F1分数、模型整体性能、篇章级任务网络性能上均得到有效提高.
文献关键词：
方面情感;多任务交互;消息传递机制;词级交互;双注意力
中图分类号：
作者姓名：
宋婷;潘理虎;陈战伟
作者机构：
太原科技大学 计算机科学与技术学院,太原 030024;中国移动通信集团山西有限公司,太原 030001
文献出处：
引用格式：
[1]宋婷;潘理虎;陈战伟-.多任务交互式学习网络的方面情感分析)[J].计算机工程与应用,2022(19):202-208
A类：
多任务交互,词级交互
B类：
交互式学习,学习网络,方面情感,情感分析,方面词,情感预测,独立学习,学习模式,训练过程,消息传递机制,细粒度,属性级,分类任务,联合训练,显式,交互进行,传递信息,特征学习,信息交互机制,信息传递,双注意力机制,池化操作,GRU,级任务,任务预测,迭代算法,方面级,交替训练,实验对比,子任务,整体性能,网络性能
AB值：
0.34969
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。
