基于注意力机制的交互式神经网络模型在细粒度情感分类中的应用
2020-07-13李志斌
计算机应用与软件 2020年7期
杨 鹏 杨 青 李志斌 王 扬
1(国网天津市电力公司信息通信公司 天津 300010)2(国网天津市电力公司 天津 300010)
0 引 言
细粒度情感分类是情感分析领域中的一个重要任务,其目标是在给定意见句与评价方面(即评价对象)的基础上,结合句子上下文,识别评价方面的情感极性[1]。例如:给定意见句“这家餐厅饭菜很好,但是环境一般,服务很糟糕!”,以及句子中包含的三个评价方面“饭菜”、“环境”、“服务”,综合评价方面与上下文的语义可知,三个评价方面对应的情感极性分别为正向、中性、负向。
细粒度情感分类是自然语言处理领域中一项基础性的工作,近年来受到国内外学者的广泛关注[4-9]。该任务的研究成果可以进一步应用于自动问答[2]、推荐系统[3]等。传统的方法通常会构建情感词典或情感特征,并在此基础上采用SVM等机器学习方法进行情感分类[7-8]。但是,人工构建情感特征或情感词典通常需要投入大量的人力,进而导致模型的灵活性与泛化性较差,限制模型的性能。近年来,随着深度学习的发展,许多研究工作开始设计并使用神经网络结构来自动学习评价方面与上下文的低维语义表示[9-11],相关的研究工作已经在细粒度情感分类的任务中取得了可观的效果。
结合细粒度情感分类的任务目标可知,为了得到更好的分类性能,必须充分挖掘评价方面以及其上下文的语义信息。Jiang等[7]指出:40%的细粒度情感分类的错误是由于没有考虑评价方面而造成的。因此,近年来的研究工作更多地关注于如何在进行上下文语义建模的同时考虑评价方面的影响。……
登录APP查看全文
