情感分析是自然語(yǔ)言處理任務(wù)之一，文本中針對(duì)某實(shí)體給出總體評(píng)價(jià)的同時(shí)，對(duì)于實(shí)體的不同屬性也會(huì)分別給出各自觀點(diǎn)，由此文本的方面級(jí)情感分析是情感分析的重要任務(wù)之一，實(shí)現(xiàn)對(duì)文本觀點(diǎn)更深層次的情感挖掘。如何利用自然語(yǔ)言處理現(xiàn)有技術(shù)從社交網(wǎng)絡(luò)大量信息中獲取文本的情感傾向，是方面情感分析的主要研究工作。

      方面級(jí)情感分析首先對(duì)方面詞進(jìn)行提取，方面詞可以是一個(gè)單詞，或者是一個(gè)短語(yǔ)；接著針對(duì)提取出的不同方面分別獲取情感信息。例如：“Good food but dreadful service at that restaurant”,句中的評(píng)論實(shí)體是餐廳，分別對(duì)它的兩個(gè)方面即兩種屬性描述觀點(diǎn)，兩種屬性分別是food和service,相對(duì)應(yīng)的情感極性分別是積極和消極。由此得出兩個(gè)方面情感極性可能相同，也可能相反。

      深度學(xué)習(xí)在自然語(yǔ)言處理領(lǐng)域被廣泛應(yīng)用，深度神經(jīng)網(wǎng)絡(luò)模型早期在機(jī)器翻譯、文本情感分類等任務(wù)中取得了比以往更好的效果。注意力機(jī)制的結(jié)合使神經(jīng)網(wǎng)絡(luò)模型高度關(guān)注特定目標(biāo)的特征信息，當(dāng)前使用較多的結(jié)合注意力機(jī)制的神經(jīng)網(wǎng)絡(luò)模型有卷積神經(jīng)網(wǎng)絡(luò)(CNN)和循環(huán)神經(jīng)網(wǎng)絡(luò)(RNN)。文獻(xiàn)[3]提出基于多注意力機(jī)制的CNN，計(jì)算詞向量、詞性、位置信息的注意力機(jī)制，結(jié)合卷積神經(jīng)網(wǎng)絡(luò)，在不依賴外部知識(shí)的情況下獲取方面級(jí)情感極性。文獻(xiàn)[4]提出首先利用長(zhǎng)短期記憶網(wǎng)絡(luò)(LSTM)獲取句子的上下文信息，再使用卷積神經(jīng)網(wǎng)絡(luò)提取注意力獲得具體的句子表示，模型中嵌入了方面信息，取得較好的分類效果。基于注意力機(jī)制的CNN使用濾波器獲取文本特征，僅得到局部單詞間的依賴關(guān)系，未得到整體句子中所有單詞間關(guān)系。基于注意力機(jī)制的RNN、LSTM等循環(huán)神經(jīng)網(wǎng)絡(luò)考慮前一時(shí)刻的狀態(tài)信息，對(duì)過(guò)往信息具有記憶功能，但文本中單詞間的依賴關(guān)系隨著距離的增大逐漸減弱。上述兩種情況均使用單一注意力模式。本文提出層次化雙注意力GRU網(wǎng)絡(luò)的方面級(jí)情感分析模型，主要貢獻(xiàn)如下：

      (1)提出采用雙注意力機(jī)制模式進(jìn)行方面級(jí)情感分析，通過(guò)特定方面目標(biāo)在句中的注意力機(jī)制和文本上下文自注意力機(jī)制，抽取方面特征信息和句子的全局依賴信息，從而深層次地獲取情感特征。

      (2)利用層次化的GRU網(wǎng)絡(luò)獲取句子內(nèi)部和句子間的依賴關(guān)系。網(wǎng)絡(luò)下層嵌入特定方面信息，獲取了針對(duì)方面目標(biāo)的局部特征信息，網(wǎng)絡(luò)上層通過(guò)雙注意力機(jī)制和詞語(yǔ)層的輸入，獲取針對(duì)特定方面整體文本的特征依賴信息。

      (3)在SemEval 2014兩個(gè)數(shù)據(jù)集和Twitter數(shù)據(jù)集上進(jìn)行對(duì)比實(shí)驗(yàn)，驗(yàn)證了該方法的有效性，針對(duì)方面級(jí)情感，分類準(zhǔn)確率均得到了有效提升。

本文詳細(xì)內(nèi)容請(qǐng)下載: http://www.jysgc.com/resource/share/2000003148

作者信息：

宋  婷1，陳戰(zhàn)偉2

(1.太原科技大學(xué) 計(jì)算機(jī)科學(xué)與技術(shù)學(xué)院，山西 太原030024；

2.中國(guó)移動(dòng)通信集團(tuán)山西有限公司，山西 太原030001)