典型文献
Sen-BiGAT-Inter:情绪原因对抽取方法
文献摘要：
情绪原因对抽取任务是将情绪子句与原因子句同时抽取.针对该任务,现有模型的编码层未考虑强化情感词语义表示,且仅使用单一图注意力网络,因此,该文提出了一个使用情感词典、图网络和多头注意力的情绪原因对抽取方法(Sen-BiGAT-Inter).该方法首先利用情感词典与子句中的情感词汇匹配,并将匹配的情感词汇与该子句进行合并,再使用预训练模型BERT(Bidirectional Encoder Representation from Transformers)对句子进行表示.其次,建立两个图注意力网络,分别学习情绪子句和原因子句表示,进而获取候选情绪原因对的表示.在此基础上,应用多头注意力交互机制学习候选情绪原因对的全局信息,同时结合相对位置信息得到候选情绪原因对的表示,用于实现情绪原因对的抽取.在中文情绪原因对抽取数据集上的实验结果显示,相比目前最优的结果,该文所提出的模型在F1值上提升约1.95.
文献关键词：
情绪原因对抽取;情感词典;图注意力网络
中图分类号：
作者姓名：
冯浩甲;李旸;王素格;符玉杰;慕永利
作者机构：
山西大学 计算机与信息技术学院,山西 太原 030006;山西财经大学 金融学院,山西 太原 030006;山西大学 计算机智能与中文信息处理教育部重点实验室,山西 太原 030006
文献出处：
引用格式：
[1]冯浩甲;李旸;王素格;符玉杰;慕永利-.Sen-BiGAT-Inter:情绪原因对抽取方法)[J].中文信息学报,2022(05):153-162
A类：
BiGAT,情绪原因,情绪原因对抽取
B类：
Sen,Inter,子句,现有模型,编码层,词语,图注意力网络,情感词典,图网络,多头注意力,情感词汇,行合并,预训练模型,BERT,Bidirectional,Encoder,Representation,from,Transformers,对句,句子,学习情绪,选情,力交互,交互机制,全局信息,相对位置,位置信息,文情,比目
AB值：
0.280332
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。
