-
题名基于双重多视角表示的目标级隐性情感分类
- 1
-
-
作者
崔蒙蒙
刘井平
阮彤
宋雨秋
杜渂
-
机构
华东理工大学信息科学与工程学院
迪爱斯信息技术股份有限公司
-
出处
《计算机工程》
CSCD
北大核心
2024年第1期79-90,共12页
-
基金
国家重点研发计划(2021YFC2701800,2021YFC2701801)
上海市促进产业高质量发展专项资金(2021-GZL-RGZN-01018)。
-
文摘
目标级隐性情感分类是自然语言处理中一项重要的情感分析任务。目前多数研究主要侧重于对上下文感知的目标进行建模,且建模信息源较为单一,难以充分捕获到目标词在文本中的隐性情感。针对该问题,提出基于双重多视角表示学习的目标级隐性情感分类方法,采用3种视角对目标和输入文本进行建模,分别设计文本自身的表示学习、图视角下的表示学习以及外部知识视角下的表示学习,并通过卷积神经网络将3种视角下的表示进行深度融合。此外,同时采用上述3种视角对目标进行表示学习,将文本的语义表示和目标的语义表示相结合,并输入到情感极性分类器中。在5个公共数据集上进行实验并与8个基线模型的对比结果表明,该方法性能达到了最优水平,在News MTSC-mt和News MTSC-rw隐性情感分析数据集上的F1_m值分别比最好模型提高1.0%和2.6%,在Laptop14、Restaurant14和Twitter显性情感分析数据集上的F1_m值分别比最好模型提高3.6%、1.4%和1.6%。
-
关键词
目标级隐性情感分类
自然语言处理
情感分析
双重多视角
表示学习
-
Keywords
target-level implicit sentiment classification
natural language processing
sentiment analysis
dual multiview
representation learning
-
分类号
TP391.1
[自动化与计算机技术—计算机应用技术]
-
