一种循环互作用注意力的属性级情感分类模型

摘要

针对现有的模型忽视属性与上下文的相互作用,使得属性级情感分类性能受限的问题,提出一种循环互作用注意力的属性级情感分类模型。对上下文和属性分别利用单向GRU(Gated Recurrent Unit)网络进行语义编码;利用上下文和属性互作用注意力生成新的属性表示,再用该属性表示去监督上下文中不同词注意力权重的计算;将上下文表示和属性表示拼接,作为最终的句子表征,训练情感分类器。该模型充分利用了上下文和属性的依赖关系,能更有效地识别不同属性的情感极性。在SemEval 2014 Restaurant和Laptop两个领域数据集上进行实验。在三分类实验中,准确率分别达到0.802和0.727,在二分类实验中,准确率分别达到0.925和0.884。