融合句法、语义和情感三重增强的方面级情感分析模型

摘要

现有方法在处理复杂句法结构时，对语义信息和情感依赖利用不足，且多忽视了不同关系类型的权重，导致重要的相关词难以区分。针对该问题，提出了融合句法、语义和情感信息的三重增强图卷积网络模型(TE-GCN)。通过动态学习句子中不同关系类型的权重，增强对句法信息的表达能力；设计了关系注意力权重矩阵(RAW),关注语义阈值过滤后的关系类型权重；将语义相似度与依存权重融合到自注意力中，增强模型对复杂句法的适应性；通过双仿射与交互注意力机制，将多源信息有效融合。实验显示，与基准模型相比，在Lap14、Rest14、Rest16和Twitter数据集上，TE-GCN准确率提升的百分点数分别为1.38、0.24、0.46和0.54。

关键词

方面级情感分析 / 图卷积网络 / 自动句法依存加权 / 依存关系 / 知识增强