结合句法增强与图注意力网络的方面级情感分类

doi:10.11896/jsjkx.230200189

摘要

摘要：方面级情感分类旨在识别给定方面文本的情感极性。在这一领域，图神经网络与句法依存分析的结合是当前的研究热点之一。根据二者之间的关系，构造图形结构并输入到图形神经网络中，以获得情感极性。如果语法分析器出现解析错误，则对基于图形的图神经网络模型的影响将是巨大的。为了增强解析器生成的句法依赖树的分析结果，提出了一种语法增强的图注意网络。通过融合多个解析器的解析结果，提高了句法依赖的解析精度，得到了更准确的依赖句法图。图注意网络中使用了一种紧密连接的机制来捕获更丰富的特征，这些特征更适合于增强的句法图，并且引入了方面注意机制来捕获方面语义特征。实验结果验证了句法增强方法的有效性。在三个基准数据集上的分类精度得到了提高，并且在方面级情感分析领域具有更好的性能。

关键词： 方面层面情绪分析，依赖关系解析，语法增强，图形注意力网络，密集连接

CLC编号：

TP391型

张泽宝、于汉南、王勇、潘海伟。句法增强与图形注意网络相结合的基于体的情感分类[J]。计算机科学，2024，51（5）：200-207。

工具书类

[1] MA J，CAI X，WEI D，et al.基于方面的注意力LSTM用于方面层次情感分析[C]//2021第三届世界人工智能研讨会（WSAI）.2021。
[2] 贾毅，王毅，赞赫，等.基于体的情感分类的句法信息和多语义段[J]。国际亚洲语言处理杂志，2021,31:2250006。
[3] 孙凯，张瑞，孟萨，等.基于依赖树卷积的方面层次情感分析[C]//2019年自然语言处理实证方法会议和第九届国际自然语言处理联合会议（EMNLP-IJCNLP）的进程.2019。
[4] JORDAN M I.串行顺序：一种并行分布式处理方法[J]。ICS-Report 8604加利福尼亚大学认知科学研究所，1986121:64。
[5] 唐丹，秦斌，冯欣，等.用于目标相关情感分类的有效LSTMs[C]//COLING 2016年会议论文集，第26届国际计算语言学会议：技术论文.2016:3298-3307。
[6] 陈鹏C，孙Z，BING L，等.用于体感分析的记忆递归注意网络[C]//2017年自然语言处理实证方法会议的进程。2017。
[7] KIM Y.用于句子分类的卷积神经网络[J].arXiv:1408.58822014。
[8] 黄B，CARLEY K M.面向方面级情感分类的参数化卷积神经网络[C]//自然语言处理中的经验方法。计算语言学协会，2019年。
[9] 王霞，李峰，张泽，等.基于方面情感分析的统一位置-软件卷积神经网络[J]。神经计算，2021450（12）：91-103。
[10] 王毅，黄明，朱霞，等.基于注意的LSTM在体层情感分类中的应用[C]//2016年自然语言处理实证方法会议论文集.2016。
[11] 刘杰，岳中.目标情绪的注意建模[C]//计算语言学协会欧洲分会会议.2017。
[12] MA D，LI S，ZHANG X，等.基于交互注意网络的体层情绪分类[C]//第二十六届国际人工智能联合会议论文集.2017:4068-4074。
[13] FAN C，GAO Q，DU J，等.基于方面情感分析的基于进化的记忆网络[C]//第41届国际ACM SIGIR会议。ACM，2018年。
[14] 李霞，BING L，LAM W，等.面向目标情感分类的转换网络[C]//计算语言学协会第56届年会论文集.2018:946-956。
[15] KIPF T N，WELLING M.图卷积网络半监督分类[C]//国际学习表征会议论文集。2017。
[16] 肖磊，胡旭，陈毅，等.基于注意编码和图卷积网络的目标情感分类[J]。应用科学，2020,10（3）：957。
[17] XIAO Y，ZHOU G.用于交互注意的方面级情感分类的句法边缘增强图卷积网络[J]。IEEE接入，2020,8:157068-157080。
[18] TIAN Y，CHEN G，SONG Y.使用类型感知图卷积网络和层集成进行基于特征的情感分析[C]//计算语言学协会北美分会2021年会议论文集：人类语言技术.2021。
[19] VELIKOVI P，CUCURULL G，CASANOVA A，et al.GraphAttention Networks[C]//国际学习表征大会（ICLR）论文集。2018。
[20] 白雪，刘鹏，张勇.利用图形注意神经网络挖掘类型化句法依赖进行目标情感分类[J]。IEEE/ACM音频、语音和语言处理事务，2021,29:503-514。
[21]YUAN L，WANG J，YU L C，et al.基于记忆融合的图形注意网络在体层情感分析中的应用[C]//计算语言学协会亚太分会第一届会议暨第十届国际自然语言处理联合会议论文集.2020:27-36。
[22]徐国堂，刘培英，朱志发，等.基于多头部注意的基于方面情感分类的注意增强图卷积网络[J]。应用科学，2021,11（8）：3640。
[23]HOU X，HUANG J，WANG G，等.基于选择性注意的图卷积网络在体层情感分类中的应用[C]//第十五届基于图的自然语言处理方法研讨会论文集（TextGraphs-15）.2021。
[24]BAHDANAU D，CHO K，BENGIO Y.通过联合学习对齐和翻译的神经机器翻译[C]//国际学习代表大会（ICLR）的进程。2015。
[25]DEVLIN J，CHANG M W，LEE K，et al.BERT:深度双向变形金刚语言理解预训练[C]//NAACL-HLT.2019:4171-4186。
[26]DOZAT T，MANNING C D.Deep Biaffine Attention for Neural Dependency Parsing[C]//《学习表征国际会议论文集》，2017年。
[27]MANNING C D，SURDEANU M，BAUER J，等.斯坦福大学自然语言处理工具包[C]//计算语言学协会第52届年会论文集：系统演示.2014:55-60。
[28]黄庚，刘Z，劳伦斯V，等.密集连接卷积网络[C]//IEEE计算机学会。IEEE计算机学会，2016年。
[29]HERCIG T，T BRYCHCíN，SVOBODA L，et al.UWB在2016年Se-mEval会议上的任务5：基于方面的情感分析[C]//2016年第十届语义评估国际研讨会论文集。
[30]LI D，WEI F，TAN C，等.基于自适应递归神经网络的目标相关推特情感分类[C]//计算语言学协会会议.2014。
[31]姜强，陈力，徐锐，等.基于方面的情感分析的挑战数据集和有效模型[C]//2019年自然语言处理实证方法会议和第九届国际自然语言处理联合会议（EMNLP-IJCNLP）的进程.2019。
[32]KINGMA D，BA J.Adam:一种随机优化方法[C]//神经信息处理系统会议（NIPS）.2014。
[33]樊F，冯毅，赵D。面向方面层次情感分类的多粒度注意网络[C]//2018年自然语言处理实证方法会议论文集。2018年。
[34]宋毅，王杰，陶杰，等.目标情感分类的注意编码网络[J].arXiv:1902.093142019。
[35]LI X，LU R，LIU P，等.面向方面情感分类的分层多头关注图卷积网络[J]。超级计算杂志，2022,78（13）：14846-14865。
[36]黄B，CARLEY K M.语法-基于图形注意网络的体素级情感分类[C]//2019年自然语言处理实证方法会议暨第九届自然语言处理国际联合会议论文集（EMNLP-IJCNLP）.2019:5469-5477。
[37]曾杰，刘涛，贾伟，等.面向方面情感分类的关系构建[J]。信息科学，2022586:209-223。

相关文章15

[1]	潘磊、刘欣、陈俊毅、程章涛、刘乐远、周凡。基于局部数据增强动态图的事件预测[J] ●●●●。计算机科学，2024，51（3）：118-127。
[2]	杨志卓、徐玲玲、张虎、李如。基于框架语义和图结构的阅读理解答案提取方法[J] ●●●●。计算机科学，2023，50（8）：170-176。
[3]	龙涛、董安国、刘来军。基于注意机制和变形卷积的路面裂缝检测[J] ●●●●。计算机科学，2023，50（6A）：220300214-6。
[4]	张涛，程逸飞，孙新旭。基于因果推理的图形注意网络[J] ●●●●。计算机科学，2023，50（6A）：220600230-9。
[5]	王亚丽，张帆，于增，李天瑞。基于交互注意力和图卷积网络的方面级情感分类[J] ●●●●。计算机科学，2023，50（4）：196-203。
[6]	董永丰、黄刚、薛万若、李林浩。集成IRT的图形注意深度知识追踪模型[J] ●●●●。计算机科学，2023，50（3）：173-180。
[7]	李帅、徐斌、韩一科、廖同心。SS-GCN：基于方面的情感分析模型，具有情感增强和句法增强[J] ●●●●。计算机科学，2023，50（3）：3-11。
[8]	秦明飞，傅国红。多层次语义结构增强会话中情感原因广度提取[J] ●●●●。计算机科学，2023，50（12）：236-245。
[9]	张隆基、赵辉。结合句法距离和体注意的体层情感分析[J] ●●●●。计算机科学，2023，50（12）：262-269。
[10]	梁利芳、关东海、张吉、袁伟伟。基于时空注意机制的多元时间序列异常检测[J] ●●●●。计算机科学，2023，50（11A）：230300022-8。
[11]	康树明、朱艳。基于主题注意和句法信息的文本姿态检测[J] ●●●●。计算机科学，2023，50（11A）：230200068-5。
[12]	谭英英、王俊丽、张朝波。基于图卷积网络的文本分类方法综述[J] ●●●●。计算机科学，2022，49（8）：205-216。
[13]	史殿熙、赵晨兰、张耀文、杨绍武、张永军。基于多智能体强化学习的端到端合作自适应奖励方法[J] ●●●●。计算机科学，2022，49（8）：247-256。
[14]	杨旭华、金鑫、陶进、毛建飞。基于图神经网络和依赖分析的文本分类[J] ●●●●。计算机科学，2022，49（12）：293-300。
[15]	傅坤、郭云鹏、朱佳明、李佳宁、刘淇。嵌入完全不平衡标签的语义信息增强网络[J] ●●●●。计算机科学，2022，49（11）：109-116。

韵律学

已查看

全文

摘要

引用

共享

讨论

结合句法增强和图形注意网络进行基于体的情感分类

PDF（PC）

摘要

引用这篇文章

分享这篇文章

工具书类

相关文章15

韵律学

评论

推荐0