-
题名基于ELMo的混合注意力网络的方面级情感分析研究
被引量：5
- 1
-
-
作者
孔丽雅
周治平
-
机构
江南大学物联网工程学院
-
出处
《中文信息学报》
CSCD
北大核心
2023年第6期147-156,共10页
-
文摘
方面级情感分析作为情感分析的一项细粒度任务,具有非常高的研究价值。方面词和对应的情感词之间的联系对于确定情感极性起着至关重要的作用。先前的研究大多仅利用一种注意力机制来关注句子和目标之间的联系,未考虑到词性中包含的情感信息。为解决这一问题,该文提出了一种基于ELMo的混合注意力网络(ELMo-based Hybrid Attention Network,EHAN)。与现有网络不同的是,模型不仅将ELMo与Transformer网络相结合来捕获文本信息的情感特征,还利用词性注意力机制对词性和单词进行交互获得方面与情感词之间的联系。在公开数据集上的实验结果表明,EHAN与基准模型相比在准确率和Macro-F1值上都有显著提升,证明该方法可有效改善方面级情感分析的性能。
-
关键词
方面级情感分析
文本表示
词性信息
注意力机制
-
Keywords
aspect-level sentiment analysis
text representation
part-of-spccch information
attention mechanism
-
分类号
TP391
[自动化与计算机技术—计算机应用技术]
-
-
题名基于生成式-判别式混合模型的可解释性文档分类
被引量：1
- 2
-
-
作者
王强
陈志豪
徐庆
鲍亮
廖祥文
-
机构
福州大学数学与计算机科学学院
福州大学福建省网络计算与智能信息处理重点实验室
福州大学数字福建金融大数据研究所
-
出处
《模式识别与人工智能》
EI
CSCD
北大核心
2020年第11期995-1003,共9页
-
基金
国家自然科学基金项目(No.61772135,U1605251)
国家自然科学基金青年基金项目(No.41801324)
+1 种基金
福建省自然科学基金面上项目(No.2017J01755)
模式识别国家重点实验室开放课题基金项目(No.201900041)资助。
-
文摘
现有可解释性文档分类常忽略对文本信息的深度挖掘,未考虑单词与单词上下文、句子与句子上下文之间的语义关系.为此,文中提出基于生成式-判别式混合模型的可解释性文档分类方法,在文档编码器中引入分层注意力机制,获得富含上下文语义信息的文档表示,生成精确的分类结果及解释性信息,解决现有模型对文本信息挖掘不够充分的问题.在PCMag、Skytrax评论数据集上的实验表明,文中方法在文档分类上性能较优,生成较准确的解释性信息,提升方法的整体性能.
-
关键词
可解释性
分层注意力机制
文本分类
文本摘要
视角级情感分类
-
Keywords
Interpretability
Hierarchical Attention Mechanism
Document Classification
text Summarization
aspect level Sentiment Classification
-
分类号
TP
[自动化与计算机技术]
-
-
题名基于螺旋注意力网络的方面级别情感分析模型
被引量：16
- 3
-
-
作者
杜成玉
刘鹏远
-
机构
北京语言大学信息科学学院
北京语言大学国家语言资源监测与研究平面媒体中心
-
出处
《中文信息学报》
CSCD
北大核心
2020年第9期70-77,共8页
-
基金
北京市自然科学基金(4192057)
北京语言大学院级项目(中央高校基本科研业务费专项资金)(19YJ040003)。
-
文摘
方面级别情感分析是一项细粒度的情感分类任务,旨在确定特定方面的情感极性。以往的方法大都是基于方面或上下文向量的平均值来学习上下文或方面词的注意力权重,但当方面词和上下文较长时,这种方法可能会导致信息丢失。该文提出了一种建立在BERT表示上的螺旋注意力网络(BHAN)来解决这一问题,模型中的螺旋注意力机制与之前注意力机制不同的是,基于方面词得到加权后的上下文表示后,用这个新的表示计算方面词的权重,然后用这个新的方面词的表示重新计算上下文的权重,如此循环往复,上下文和方面词的表示会得到螺旋式的提高。该文在2014年SemEval任务4和Twitter数据集上进行了模型评估,实验结果表明,其性能超过了之前最佳模型的结果。
-
关键词
螺旋注意力
方面级别情感分析
文本表示
-
Keywords
helical attention
aspect-level sentiment classification
text representation
-
分类号
TP391
[自动化与计算机技术—计算机应用技术]
-
-
题名文本情感分类方法研究综述
被引量：6
- 4
-
-
作者
张华辉
邱晓莹
徐航
-
机构
莆田学院新工科产业学院
莆田学院机电与信息工程学院
-
出处
《延边大学学报（自然科学版）》
CAS
2023年第3期275-282,共8页
-
基金
国家自然科学基金(62103209)
福建省自然科学基金(2020J05213)
福建省中青年教师教育科研项目(JAT220298)。
-
文摘
文本情感分类方法在网络舆情、股票预测等诸多方面有着广泛的应用.为了更好地研究文本情感分类方法,对近年来基于情感词典的文本分类方法、机器学习的文本分类方法、深度学习的文本分类方法以及方面级文本分类方法、隐式文本情感分类方法、跨域文本情感分类方法的相关文献进行了梳理和综述,并对文本情感分类方法的研究方向进行了展望.
-
关键词
文本情感分类
情感词典
机器学习
深度学习
隐式文本
跨域文本
方面级文本
-
Keywords
text sentiment classification
sentiment dictionary
machine learning
deep learning
implicit text
cross-domain text
aspect level text
-
分类号
TP391
[自动化与计算机技术—计算机应用技术]
-
-
题名基于BiGRU与方面注意力模块的情感分类方法
- 5
-
-
作者
宋焕民
张云华
-
机构
浙江理工大学信息学院
-
出处
《智能计算机与应用》
2020年第11期83-87,共5页
-
文摘
方面级别的情感分析已广泛应用于文本信息挖掘,但目前广泛使用的LSTM(Long Short-Term Memory)循环神经网络在处理方面级情感分类任务时,不能充分学习文本上下文信息,且存在模型计算复杂、训练时间长的问题。针对该问题,本文提出利用双向门控循环神经网络与方面注意力模块结合的情感分类方法。双向门控循环神经网络参数更少,模型训练更快,可以有效提取文本深层次的信息;将注意力操作与方面信息相结合,能充分提取特定方面的信息。该方法在SemEval(Semantic Evaluation)数据集上的实验结果表明,相对现有的方面级情感分析方法,能有效提升处理速度和优化情感分类效果。
-
关键词
基于方面的情感分析
自然语言处理
注意力机制
双向门控循环神经网络
-
Keywords
aspect level Sentiment Analysis
text sentiment classification
attention mechanism
bidirectional gated recurrent unity(BiGRU)
-
分类号
TP183
[自动化与计算机技术—控制理论与控制工程]
-
