文档名：基于螺旋注意力网络的方面级别情感分析模型
方面级别情感分析是一项细粒度的情绪分类任务,它旨在确定特定方面的情感极性.以往的方法大都是基于方面或上下文向量的平均值来学习上下文或目标词的注意力权重,但当方面词和上下文较长时,这种方法可能会导致信息丢失.本文提出了一种建立在BERT表示上的螺旋注意力网络(BHAN)来解决这一问题,模型中的螺旋注意力机制与之前注意力机制不同的是,基于方面词得到加权后的上下文表示后,接着用这个新的表示计算方面词的权重,下一步则用这个新的方面词的表示重新计算上下文的权重,如此循环往复,上下文和方面词的表示会得到螺旋式的提高.本文在2014年SemEval任务4和Twitter数据集上进行了模型评估,实验结果表明,其性能超过了之前最佳模型的结果.
作者：杜成玉 刘鹏远
作者单位：北京语言大学信息科学学院,北京市100083北京语言大学信息学学院,北京市100083
母体文献：第十八届中国计算语言学大会暨中国中文信息学会2019学术年会论文集
会议名称：第十八届中国计算语言学大会暨中国中文信息学会2019学术年会
会议时间：2019年10月18日
会议地点：昆明
主办单位：中国中文信息学会
语种：chi
分类号：
关键词：方面级别情感分析 BERT表示 螺旋注意力网络
在线出版日期：2021年8月24日
基金项目：
相似文献
相关博文
- 文件大小:
- 840.83 KB
- 下载次数:
- 60
-
高速下载
|
|
