融合位置信息的卷積門控網絡實現與應用
2020年信息技術與網絡安全第1期
時昭麗，范紅，陳佳偉，董亞博，張子薇，許武軍
（東華大學 信息科學與技術學院，上海 201620）
摘要： 基于方面的情感分析（AspectBased Sentiment Analysis）通常使用長短期記憶網絡和注意力機制方法，這兩種模型結構復雜，運行時間長。現有的卷積神經網絡結構簡單，具有代表性的是GCAE（Gated Convolutional Networks with Aspect Embedding）模型。但其由于未充分地利用詞語的順序信息，不能準確快速地關注到關鍵詞。因此提出了一種融合位置信息的卷積門控網絡方法。采用SemEval數據集進行實驗，并與采用GCAE模型的實驗結果進行對比，結果表明，所提模型迭代一次約用時5.96 s，優于長短期記憶模型的81 s。該模型對句子中有多個方面的情感極性判斷準確度為55.00%，高于GCAE模型的53.00%。該研究對于提高基于方面的情感分析的迭代時間和準確度有一定的參考意義。
中圖分類號：TP391
文獻標識碼：A
DOI： 10.19358/j.issn.2096-5133.2020.01.013
引用格式：時昭麗，范紅，陳佳偉，等。融合位置信息的卷積門控網絡實現與應用［J］。信息技術與網絡安全，2020,39（1）：70-73.
文獻標識碼：A
DOI： 10.19358/j.issn.2096-5133.2020.01.013
引用格式：時昭麗，范紅，陳佳偉，等。融合位置信息的卷積門控網絡實現與應用［J］。信息技術與網絡安全，2020,39（1）：70-73.
Implementation and application of convolution gating network model combined with position information
Shi Zhaoli，Fan Hong,Chen Jiawei,Dong Yabo,Zhang Ziwei,Xu Wujun
（College of Information Science and Technology, Donghua University,Shanghai 201620,China）
Abstract： Aspectbased sentiment analysis usually uses longshortterm network and the attention mechanism method，the two models are complicated in structure and long time in running time.The existing convolutional neural network has a simple structure,and is representative of a GCAE （Gated Convolutional Networks with Aspect Embedding） model.Since the position information of the words does not fully utilized，the keywords cannot be accurately and quickly focused.Therefore,this paper proposed a convolutional gating network method that combines position information.The SemEval dataset was used for experiments and compared with the experimental results using the GCAE model.The results show that the iteration time of this model is about 5.96 s，which is better than the LSTM model of 81 s. The accuracy of this model for multiple aspects of sentences and multiple emotional polarity is 55.00%, which is higher than 53.00% of the GCAE model.This paper has certain reference significance for improving the iterative time and accuracy of aspectbased sentiment analysis.
Key words : aspect-based sentiment analysis;position information;convolutional neural network; gating mechanism
0 引言
情感分析分為基于句子的情感分析和基于方面的情感分析。如“這家餐廳菜品好吃，但交通不便利”，文本的實體為“這家餐廳”，分別對“菜品”和“交通”兩個方面進行褒貶不一的評論。若判斷整個句子的情感極性為積極、消極或中立顯然是不精準的，因此關注方面情感更為重要。基于方面的情感分析前期主要采用基于機器學習的利用情感詞典的特征構建分類器［1］，其主要依賴人工規則和特征工程，且耗時成本高。近年來神經網絡在方面情感分析中得到廣泛使用，文獻［2］提出一種用于方面相關的自適應遞歸神經網絡，但是其依賴語境和句法結構預測方面的情感極性。長短期記憶模型［3］能解決長距離依賴的問題，文獻［4］改進了該模型，引入樹結構長短期記憶模型，準確度有所提升，但模型訓練時間長。文獻［5］提出應用注意力機制方法實現對方面詞周圍情感詞的關注，但注意力機制不能捕捉序列的順序，且注意力層涉及指數操作和句子中所有單詞的所有對齊分數的標準化，所需計算時間長。文獻［6］將注意力機制、長短期記憶網絡和位置信息相結合，建立情感分析模型，但當一個句子中含有多個方面以及多個方面的情感詞時，其判斷可靠性一般，訓練時間相比長短期記憶網絡更長。文獻［7］提出GCAE模型，其改善了系統的性能，提高了情感極性的預測準確度，但忽略了位置信息的重要性。
本文詳細內容請下載：http://www.jysgc.com/resource/share/2000003120
作者信息：
時昭麗，范紅，陳佳偉，董亞博，張子薇，許武軍
（東華大學 信息科學與技術學院，上海 201620）
此內容為AET網站原創，未經授權禁止轉載。