文献类型：期刊文章

作　　者：曾锋[1] 曾碧卿[2] 韩旭丽[1] 张敏[1] 商齐[1]

ZENG Feng;ZENG Biqing;HAN XuLi;ZHANG Min;SHANG Qi(School of Computer,South China Normal University,Guangzhou,Guangdong 510631,China;School of Software,Souih China Normal University. Foshan,Guangdong 528225,China)

机构地区：[1]华南师范大学计算机学院,广东广州510631 [2]华南师范大学软件学院,广东佛山528225

出　　处：《中文信息学报》

基　　金：国家自然科学基金(61772211,61503143)

年　　份：2019

卷　　号：33

期　　号：6

起止页码：108-115

语　　种：中文

收录情况：BDHX、BDHX2017、CSCD、CSCD2019_2020、JST、RCCSE、ZGKJHX、核心刊

摘　　要：在方面级情感分析中,常用的方法是将循环神经网络和注意力机制结合,利用注意力获取序列中不同单词的重要程度,但这并不能获取不同句子的重要程度,仅仅依赖单层注意力难于获取深层次情感特征信息。为了解决上述问题,该文提出一种基于双层注意力循环神经网络模型。通过双层注意力分别对单词层和句子层进行建模,捕获不同单词和不同句子的重要性,利用双向的循环神经网络获取更多的序列上下文依赖信息。情感特征信息具有重要性,但在深层神经网络中却未被充分利用。因此,该文将方面、词性信息和位置信息作为模型的辅助信息,进行更深层次情感特征信息学习,有效识别不同方面的情感极性。该方法与IAN模型相比,在SemEval 2014中的Restaurant数据集和Laptop数据集上进行实验,分类准确率分别提升了2.0%和5.2%。在与TD-LSTM模型对比中,Twitter数据集的分类准确率提升了1.7%。

关 键 词：注意力 词性信息  位置关系  

分 类 号：TP391]