王天宇，张丽珩，臧天昊，文一涵

（1.北京工业大学计算机学院，北京100124；2.北京工业大学软件学院，北京100124）

0 引言

文本情感分析是自然语言处理的一个重要的研究方向，由于一词多义、情感转折、反语等现象的存在，导致情感分析较为困难，模型分类效果不理想。而新闻作为一种记录与传播信息的文体，不但篇幅较长，情感的表达也较为分散。文本中既有客观的事实报道，也有主观的情感表达，一个主观句中也可能含有多种情感，这使得新闻文本情感分析成为更具挑战性的任务。由于新闻文本较长，大多需要对其内容进行精简，以便进一步分析。目前的工作的降维方法对于标题和正文各有侧重，但大多没有综合二者考量。此外，融合知识图谱的方法在短文本的情感分析中已经证明其有效性，但是目前有关新闻情感分析的工作大多忽略了外部知识的辅助作用。

针对目前工作存在的不足，本文以网络新闻为研究对象，创新性地提出了基于情感重点句融合知识图谱的Transformer模型分类方法。该方法借助Trans⁃former的Seq2Seq结构，从根本上将新闻分为标题和正文两个独立的部分考虑，既突出了新闻标题的特殊地位，又可以较为全面地把握正文信息。同时，通过知识图谱引入的外部信息，改善了文本信息缺失和二义性等问题。结果表明，该模型可以有效提升情感分析的正确性，且知识图谱是提升新闻文本情感分析模型性能的有效手段。

1 相关研究

文本的情感分析技术有基于情感词典的方法、基于机器学习的方法和基于深度学习的方法三大类。……