研究文章

LGLFF：一个基于局部全局特征的轻量级方面层面情绪分析模型

作者:

小鹏曹、和

凯里王作者信息和声明

AIPR’22：2022年第五届人工智能和模式识别国际会议记录

2022年9月

页160-166

https://doi.org/10.1145/35739942.3573967

出版:2023年5月16日出版历史

获取访问权限

摘要

方面层面的情绪分析高度依赖于当地环境。然而，大多数模型过度关注全局上下文和外部语义知识。这种方法增加了模型的训练时间。我们提出了LGLFF（轻量级全局和局部特征融合）模型。首先，我们在LGLFF中引入一个Distilroberta预处理模型来编码全局上下文。其次，我们使用SRU++（Simple Recurrent Unit）网络提取全局特征。然后根据不同的数据集调整SRD（Semantic-Relative Distance）阈值大小，并使用SRD对全局上下文进行屏蔽以获得局部上下文。最后，我们使用多头部注意机制来学习全局和局部上下文特征。我们在三个数据集上做了一些实验：推特、笔记本电脑和餐厅。结果表明，我们的模型性能优于其他基准模型。

工具书类

[1]

周J，黄J X，陈Q，面向方面情感分类的深度学习：调查、愿景与挑战[J]。Ieee Access，2019，7（99）：78454-78483。

[2]

曾碧琴，杨浩，徐瑞英，LCF：基于体素的情感分类的局部语境聚焦机制[J]。应用科学基础，2019，9（16）：3389。

[3]

Peters M，Neumann M，Iyyer M，深层语境化词语表征[C]。计算语言学协会北美分会2018年会议论文集：人类语言技术，2018：2227-2237。

[4]

Hoang M，Bihorac O A，Rouces J.使用BERT进行基于方面的情绪分析[C]。2019年第22届北欧计算语言学会议记录：187-196。

[5]

高志杰，冯A，宋晓英，基于BERT的目标依赖情绪分类[J]。Ieee Access，2019年，7:154290-154299。

[6]

宋毅，王杰，陶杰，目标情感分类的注意编码网络[J]。CoRR，2019年，abs/1902.09314。

[7]

李X，傅X，徐G，用上下文软件嵌入增强BERT表示，用于基于方面的情感分析[J]。IEEE接入，2020，8（99）：46868-46876。

[8]

唐丹，秦波，冯X，靶向依赖情绪分类的有效LSTMs[J]。计算机科学，2015年。

[9]

Wang Y，Huang M，Zhu X，基于注意力的方面级情绪分类LSTM[C]。2016年自然语言处理实证方法会议论文集，2016。

[10]

马丹，李斯，张欣，交互注意网络在体层情绪分类中的应用[C]。第26届国际人工智能联合会议记录，2017年：4068–4074。

[11]

Sanh V，Debut L，Chaumond J，DistilBERT，BERT的蒸馏版本：更小、更快、更便宜、更轻[J]。CoRR，2019年，abs/1910.01108。

[12]

Lei T.当注意力遇到快速重复时：用简化计算训练语言模型[J]，2021。

[13]

徐华，刘斌，舒莉，BERT复习阅读理解和基于方面的情感分析后训练[J]。CoRR，2019年，abs/1904.02232。

[14]

Phan M H，Ogunnena P O。基于体的情感分析的语境和句法特征建模[C]。计算语言学协会第58届年会会议记录，2020年。

[15]

Alaa Hamouda、Mahmoud Marei和Mohamed Rohaim，“构建基于机器学习的情感词汇用于情感分析”，《信息技术进步杂志》，第2卷，第4期，第199-203页，2011年11月。

[16]

郭大海，“从社交媒体追踪学生情绪”，第6卷，第2期，第80-83页，2015年5月。

[17]

赵晓义和大泽幸男，“基于隐马尔可夫模型的在线评论情绪分析”，第9卷，第2期，第33-38页，2018年5月。

[18]

H K Darshan、Aditya R Shankar、B S Harish和Keerthi Kumar H M，“利用RLPI对电影评论进行情感分析”，《信息技术进步杂志》，第10卷，第1期，第14-19页，2019年2月。

[19]

Mohammad Darwich、Shahrul Azman Mohd Noah、Nazlia Omar、Nurul Aida Osman和Ibrahim Said Ahmad，“使用语义光泽信息和程度副词量化极性术语感觉的自然情感强度”，《信息技术进步杂志》，第11卷，第3期，第109-118页，2020年8月。

[20]

Sirisha Velampalli、Chandrashekar Muniyappa和Ashutosh Saxena，“使用端到端、转移学习、分布式和可解释人工智能模型对文本和表情数据进行情绪分析的绩效评估”，《信息技术进步杂志》，第13卷，第2期，第167-172页，2022年4月。

[21]

李润，陈赫，冯芬，用于基于方面情感分析的双图卷积网络[C]//计算语言学协会第59届年会和第11届国际自然语言处理联合会议的报告（第1卷：长篇论文）。在线，2021年8月1-6日：6319-6329。

索引术语

LGLFF：一种基于局部-全局特征的轻量级方面-层次情感分析模型
1. 计算方法
  1. 人工智能
    1. 自然语言处理

建议

MFF：基于多特征融合的方面级情感分析模型
AIPR’23：2023年第6届人工智能和模式识别国际会议记录

会话中的情感分析是人机交互系统的一种重要方法。方面级情感分析是情感分析的一个重要研究方向。当前的情感分析模型忽略了多特征融合。。。
阅读更多信息
致力于联合提取方面和方面特定的情感知识
CIKM’12：第21届ACM信息和知识管理国际会议记录

在本文中，我们旨在从在线评论中联合提取方面和方面特定的情感知识，其中情感知识是指方面特定的意见词及其方面软件的情感极性。为此，我们。。。
阅读更多信息
集成方面软件交互注意和情感位置感知用于多方面情感分析
MMAsia’20：第二届亚洲多媒体国际会议论文集

方面级情感分析是一项细粒度的情感分析任务，旨在推断观点句中不同方面对应的情感极性。基于注意的神经网络已被证明在提取。。。
阅读更多信息

评论

信息和贡献者

问询处

发布于

封面图片ACM其他会议

AIPR’22：2022年第五届人工智能和模式识别国际会议记录

2022年9月

1221页

国际标准图书编号：9781450396899

DOI（操作界面）：10.1145/3573942

版权所有©2022 ACM。

如果复制品不是为了盈利或商业利益而制作或分发的，并且复制品的第一页载有本通知和完整引文，则允许免费制作本作品的全部或部分数字或硬拷贝以供个人或课堂使用。必须尊重ACM以外的其他人拥有的本作品组件的版权。允许赊账提取。要以其他方式复制或重新发布，在服务器上发布或重新发布到列表，需要事先获得特定许可和/或付费。从请求权限[电子邮件保护]

出版商

计算机协会

美国纽约州纽约市

出版历史

出版：2023年5月16日

权限

请求对此文章的权限。

检查更新

作者标记

限定符

研究文章
研究
推荐有限公司

资金来源

陕西省重点研发计划

会议

AIPR 2022年

AIPR 2022:2022第五届人工智能和模式识别国际会议

2022年9月23日至25日

中国厦门

贡献者

其他指标

查看文章指标

文献计量学和引文

文献计量学

文章指标

0
引文总数
27
总下载次数

下载次数（过去12个月）19
下载次数（最近6周）1

其他指标

查看作者指标

引文

视图选项

获取访问权限

登录选项

检查您是否可以通过登录凭据或您的机构访问本文。

完全访问权限

获取此出版物

查看选项

PDF格式

以PDF文件查看或下载。

电子阅读器

使用联机查看电子阅读器.

电子阅读器

HTML格式格式

在中查看此文章HTML格式格式。

媒体

数字

其他

桌子