典型文献
基于BiGCN和IAM的方面级情感分类模型
文献摘要：
目前基于神经网络的方面级情感分类模型很少会考虑上下文单词与方面词之间的句法依存关系,可能会错误地将与方面词语法无关的上下文单词作为方面词的情感特征;另一方面大多数方法也忽略了上下文与方面词之间的交互信息.针对这两个问题,提出了基于双向图卷积网络(BiGCN)和交互注意力机制(IAM)的方面级情感分类模型(BiGCN-IAM),该模型在句法依存树上使用双向图卷积网络提取上下文单词和方面词之间的句法依存关系,然后使用掩码层得到特定的方面词表示;最后使用交互注意力机制学习上下文与方面词之间的交互信息,同时提取了上下文中的重要情感特征和方面词中对分类有贡献的特征.通过在五个公开数据集上的实验证明,该模型效果优于基线模型.
文献关键词：
方面级情感分类;交互注意力机制;双向图卷积神经网络;句法依存树
中图分类号：
作者姓名：
杨春霞;瞿涛;吴佳君
作者机构：
南京信息工程大学 自动化学院,南京 210044;江苏省大数据分析技术重点实验室,南京 210044;江苏省大气环境与装备技术协同创新中心,南京 210044
文献出处：
引用格式：
[1]杨春霞;瞿涛;吴佳君-.基于BiGCN和IAM的方面级情感分类模型)[J].计算机工程与应用,2022(11):178-186
A类：
BiGCN,双向图卷积神经网络
B类：
IAM,方面级情感分类,分类模型,会考,上下文,单词,方面词,依存关系,词语,语法,词作,情感特征,交互信息,图卷积网络,交互注意力机制,句法依存树,树上,掩码,词表,同时提取,公开数据集,基线模型
AB值：
0.176489
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。
