摘要
目前研究文本情感分类往往只关注文档内容,对文本信息缺失和歧义等特点考虑不够,导致模型性能较低,为此提出一种融合知识图谱的用户和产品层次化注意力网络.首先通过双向长短期记忆网络获取词汇层隐藏表示,利用具有哨兵注意力机制将知识图谱中的知识与文本相结合获取词汇的知识感知状态向量;其次利用注意力机制结合用户和产品信息;最终利用归一化指标函数识别情感极性.结果表明,该方法在Yelp和IMDB数据集上的精确率和均方根误差优于基准方法,验证了模型的有效性.
Recently,most of the work only focuses on the content of the document,it is incomplete in considering the lack of information and semantic ambiguity of the text.This will result in lower model performance.Hence,this paper proposes a hierarchical neural network that integrates the knowledge graph.Firstly,the hidden representation of word layer is obtained by BiLSTM,and then the knowledge perception state vector is obtained by combining the knowledge in the knowledge graph with the text using the sentry’s attention mechanism.Secondly,the attention mechanism is used to combine user and product information.Finally,the sentiment polarity is identified by using the softmax function.The experimental results show that the accuracy and RMSE of our model obviously outperforms other state-of-the-art methods on IMDB and Yelp datasets.
作者
林世平
林松海
魏晶晶
吴运兵
廖祥文
LIN Shiping;LIN Songhai;WEI Jingjing;WU Yunbing;LIAO Xiangwen(College of Mathematics and Computer Science,Fuzhou University,Fuzhou,Fujian 350108,China;College of Electronics and Information Science,Fujian Jiangxia University,Fuzhou,Fujian 350108,China)
出处
《福州大学学报（自然科学版）》
CAS
北大核心
2020年第3期269-275,共7页
Journal of Fuzhou University(Natural Science Edition)
基金
国家自然科学基金资助项目(61772135,U1605251)
中国科学院网络数据科学与技术重点实验室开放基金资助项目(CASNDST201708,CASNDST201606)
模式识别国家重点实验室开放课题基金资助项目(201900041)
福建省自然科学基金面上资助项目(2017J01755)
赛尔网络下一代互联网技术创新资助项目(NGII20160501)
北京邮电大学可信分布式计算与服务教育部重点实验室主任基金资助项目(2017KF01)。
关键词
情感分析
知识图谱
神经网络
哨兵注意力机制
sentiment analysis
knowledge graph
neural network
sentry’s attention mechanism
