基于用户性格和语义-结构特征的文本评论情感分类方法

文档摘要：由于传统文本评论情感分类方法通常忽略用户性格对于情感分类结果的影响,提出一种基于用户性格和语义-结构特征的文本评论情感分类方法(UserPersonalityandSemantic-structuralFeaturesbasedSentimentClassifica-tionMethodforTextComments,BF_BiGAC).依据大五人格模型能够有效表达用户性格的优势,通过计算不同维度性格得分,从评论文本中获取用户性格特征.利用双向门控循环单元(BidirectionalGatedRecurrentUnit,BiGRU)和卷积神经网络(ConvolutionalNeuralNetwork,CNN)可以有效提取文本上下文语义特征和局部结构特征的优势,提出一种基于BiGRU、CNN和双层注意力机制的文本语义-结构特征获取方法.为区分不同类型特征的影响,引入混合注意力层实现对用户性格特征和文本语义-结构特征的有效融合,以此获得最终的文本向量表达.在IMDB、Yelp-2、Yelp-5及Ekman四个评论数据集上的对比实验结果表明,BF_BiGAC在分类准确率(Accuracy)和加权macroF1值(Fw)上均获得较好表现,相对于拼接BiGRU、CNN的情感分类方法(SentimentClassificationMethodConcatenatingBiGRUandCNN,BiG-RU_CNN)在Accuracy值上分别提升0.020、0.012、0.017及0.011,相对于拼接CNN、BiGRU的情感分类方法(SentimentClassificationMethodConcatenatingCNNandBiGRU,ConvBiLSTM)Fw值上分别提升0.022、0.013、0.028及0.023;相对于预训练模型BERT和RoBERTa,BF_BiGAC在保证分类精度的情况下获得了较高的运行效率.

Abstract：Sincethetraditionalsentimentclassificationmethodsfortextcommentsusuallyignoretheinfluenceofus-erpersonalityonsentimentclassificationresults,asentimentclassificationmethodfortextcommentsbasedonuserperson-alityandsemantic-structuralfeaturesisproposed.AccordingtotheadvantageofBigFivepersonalitymodeloneffectivelyexpressingtheuserpersonality,theuserpersonalityfeatureisobtainedfromthecommenttextsbycalculatingthepersonali-tyscoresfromdifferentdimensions.Moreover,theadvantagesofbidirectionalgatedrecurrentunit(BiGRU)andconvolu-tionalneuralnetwork(CNN)oneffectivelyextractingthecontextualsemanticfeaturesandthelocalstructuralfeaturesaretaken,andanewtextsemantic-structuralfeatureacquisitionmethodbasedonBiGRU,CNNandtwo-layerattentionmecha-nismisproposed.Finally,inordertodistinguishtheinfluenceofthefeatureswithdifferenttypes,thehybridattentionlayerisintroducedtoobtainthefinaltextvectorrepresentationbyintegratingtheuserpersonalityfeatureandthetexturalseman-tic-structuralfeatureeffectively.TheexperimentalresultsonthedatasetsofIMDB,Yelp-2,Yelp-5andEkmanshowthatBF_BiGACachievesgoodperformancewhenthemeasurementsofAccuracyandweightedmacroF1(Fw)areused.Specifi-cally,itachievestheimprovementsof0.020,0.012,0.017and0.011comparedtosentimentclassificationmethodconcate-natingBiGRUandCNN(BiGRU_CNN)onaccuracy,andachievestheimprovementsof0.022,0.013,0.028and0.023comparedtosentimentclassificationmethodconcatenatingCNNandBiGRU(ConvBiLSTM)onFw.Moreover,whencom-paringwiththepre-trainedmodelsofBERTandRoBERTa,BF_BiGACachieveshigherexecutingefficiencywhileensur-ingtheclassificationaccuracy.

作者：王友卫   刘瑞   凤丽洲 Author：WANGYou-wei   LIURui   FENGLi-zhou
作者单位：中央财经大学信息学院,北京100081天津财经大学统计学院,天津300222
刊名：电子学报 ISTICEIPKU
Journal：ActaElectronicaSinica
年，卷(期)：2024, 52(5)
分类号：TP391
关键词：情感分类  大五人格模型  双向门控循环单元  卷积神经网络  注意力机制  
Keywords：sentimentclassification  BigFivepersonalitymodel  bidirectionalgatedrecurrentunit  convolutionalneuralnetwork  attentionmechanism  
机标分类号：TP391R395.1TP183
在线出版日期：2024年7月22日
基金项目：基于用户性格和语义-结构特征的文本评论情感分类方法[
期刊论文]  电子学报--2024, 52(5)王友卫  刘瑞  凤丽洲由于传统文本评论情感分类方法通常忽略用户性格对于情感分类结果的影响,提出一种基于用户性格和语义-结构特征的文本评论情感分类方法(UserPersonalityandSemantic-structuralFeaturesbasedSentimentClassifica...参考文献和引证文献
参考文献
引证文献
本文读者也读过
相似文献
相关博文

关键词：情感分类,大五人格模型,双向门控循环单元,卷积神经网络,注意力机制,

2024-10-4 00:54 上传 基于用户性格和语义-结构特征的文本评论情感分类方法.pdf

文件大小:

2.3 MB

下载次数:

60

高速下载