摘要: 摘 要: 针对语法依赖树存在多个方面词相互干扰的依赖信息、无效单词与标点符号所带来的冗余信息以及方面词与对应情感词之间的关联性较弱等问题,提出了融合强关联依赖和简洁语法的方面级情感分析模型;首先,构建情感词性列表,通过该列表加强方面词与对应情感的相关性;其次,构建融合词性和依赖关系的联合列表,通过该联合列表去除已优化的依赖树无效单词与标点符号的冗余信息;再次,将其与图注意力网络结合建模提取上下文特征信息;最后,与依赖关系类型的特征信息进行交互学习并融合特征,增强特征表示,最终使得分类器能高效预测每个方面词的情感极性。该模型在4个公开数据集上进行实验分析,与结合了依赖树语法的经典模型CDT相比,所提模型的预测准确率和Macro-F1值平均提高了3.88%和4.82%。实验结果表明,所提模型能够有效提高方面词与情感词的联系,使方面词情感极性的预测更准确。
中图分类号: