基于非对称局部注意力协同的中文情感评论分类

陈妍瑄; 蒋巍巍

doi:10.16009/j.issn.1009-5624.2026.11.019

信息记录材料 ›› 2026, Vol. 27 ›› Issue (11) : 57 -60. DOI: 10.16009/j.issn.1009-5624.2026.11.019

基于非对称局部注意力协同的中文情感评论分类

陈妍瑄, 蒋巍巍

作者信息 +

Author information +

文章历史 +

摘要

中文情感评论分类的文本极性通常由局部情绪触发短语与句级语义约束共同决定。现有方法在两者协同建模上仍存在不足：卷积网络缺乏长程视野，纯自注意力架构易平滑局部情绪线索，后期拼接融合又易导致信息流割裂。针对上述问题，本文构建了一种非对称局部注意力协同双向编码器表征模型(ALAC-BERT)。该模型在预训练语义底座上引入非对称局部注意力协同层(ALAC),在保持查询(Query)分支全局上下文约束能力的同时，在键(Key)和值(Value)分支注入一维深度可分离卷积(DWConv)以获取局部结构先验，并结合线性时间复杂度注意力机制实现局部线索与全局语境的早期耦合。本文在ChnSentiCorp、Online＿shopping＿10＿cats与Weibo＿senti＿100k三个数据集上进行了实验。结果表明：ALAC-BERT在分类精度与泛化鲁棒性方面均取得了稳定提升。