衡红军，杨鼎诚

(中国民航大学 计算机科学与技术学院，天津 300300)

0 引 言

方面级情感分析任务作为自然语言处理中重要的方向之一，引起了众多学者的广泛关注。而该任务能够做精做强的关键点就在于计算出哪些上下文与方面词最相关[1]。早期的学者专家们相信注意力机制[2]能够更好地关注到句子中的重要部分，因此不断寻求一个能够将注意力更好地融合进模型的方式，但这些方法缺少句法约束，获取到的特征有限，且难以处理多方面词样本。随着图神经网络[3]的火热，相关工作者为探究词汇之间的句法关系，尝试将句法依存树所包含的句法信息融合到模型之中，这就需要用到图神经网络强大的计算能力，从而获取更好地文本表示，但现有方法缺少词法信息，当存在一些出现频率较低的关键词时，模型针对其学习不足，容易导致模型分类错误。知识图谱作为结构化的知识库，其中所蕴含的单词与单词间的词义关联恰恰能满足这一需求。因此将知识图谱中获取的词法信息与句法依存树中获取的句法信息相结合来进行文本的编码能更容易获取到文本所表达的准确情感，增强模型的鲁棒性。

因此，本文提出一种词法句法相结合的方法，利用句法依存树和知识图谱中的相关信息对句子进行建模。主要工作如下：

(1)模型利用BERT预训练模型对句子进行编码，获取带有上下文信息的初步文本表示；

(2)模型利用重构句法依存树中的句法信息和知识图谱中的词法信息对文本表示进行增强，并利用加权模块对方面词相关的上下文进行加权；……