基于Aspect带有CNN注意力机制的门控卷积网络与情感分析

摘要

基于Aspect的情感分析(ABSA)是一个细粒度的任务,由于它可以比一般的情感分析提供更详细的信息与数据,所以近年来他备受瞩目.它的主要任务是判断或预测句子在给定的场景中某些方面的情感极性.所以实体关注点的不同,就决定了一个句子的情绪极性的不同.例如,"这个笔记本电脑的性能很好,但是价格很高.",性能和价格就是两个关注点.因此,有必要进一步探讨目标实体关注点与句子内容之间的联系.为此,启发的在Gated Tanh-ReLU单元的基础上进行改进,提出了一个新颖的基于卷积神经网络带有注意力机制的门控机制模型.一方面,它具有三重新型门控机制,进行了三次Gated Tanh-ReLU单元的循环使用;其次,在模型最后再进行一次GRU和注意力机制,进行更好的筛选,最终总结为即基于Aspect的带有注意力机制的门控卷积网络(AGACE)模型.结果表明,(AGACE)模型在ACSA方面测试集上为86.77％、76.45％,在ATSA方面也有76.27％,73.27％.Semeval-2014数据集上的实验表明AGACE模型在基于Aspect情感分类方面具有更好的性能,能够提高识别结果准确度与识别效率.