典型文献
基于双通道语义差网络的方面级别情感分类
文献摘要：
方面级别情感分类旨在分析一个句子中不同方面词的情感极性.先前的研究在文本表示上,难以产生依赖于特定方面词的上下文表示;在语义特征分析上,忽略了方面词的双侧文本在整体语义上与方面词情感极性之间具备不同关联度这一特征.针对上述问题,该文设计了一种双通道交互架构,同时提出了语义差这一概念,并据此构建了双通道语义差网络.双通道语义差网络利用双通道架构捕捉相同文本中不同方面词的上下文特征信息,并通过语义提取网络对双通道中的文本进行语义特征提取,最后利用语义差注意力增强模型对重点信息的关注.该文在SemEval2014的Laptop和Restaurant数据集以及ACL的Twitter数据集上进行了实验,分类准确率分别达到了81.35％、86.34％ 和78.18％,整体性能超过了所对比的基线模型.
文献关键词：
自然语言处理;方面级别情感分析;双通道架构;语义差注意力
中图分类号：
作者姓名：
曾碧卿;徐马一;杨健豪;裴枫华;甘子邦;丁美荣;程良伦
作者机构：
华南师范大学软件学院,广东佛山 528225;广东省信息物理融合系统重点实验室,广东广州510006
文献出处：
引用格式：
[1]曾碧卿;徐马一;杨健豪;裴枫华;甘子邦;丁美荣;程良伦-.基于双通道语义差网络的方面级别情感分类)[J].中文信息学报,2022(12):159-172
A类：
方面级别情感分类,双通道架构,语义差注意力,SemEval2014,方面级别情感分析
B类：
句子,方面词,情感极性,先前,文本表示,语义特征,语义上,词情,一概,上下文特征信息,语义提取,注意力增强,增强模型,Laptop,Restaurant,ACL,Twitter,分类准确率,整体性能,基线模型,自然语言处理
AB值：
0.242085
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。
