多通道双向循环神经网络的方面情感分析

摘要

基于深度学习的方面级情感分析中,不同特征对情感分类的重要性不同,常用方法仅嵌入方面信息获取分类结果。本文设计了一种嵌入情感特征信息的多通道模式网络模型,网络中提取单词词性、极性、方面词相对位置信息,形成不同特征通道;方面信息与方面情感极性融合,经过线性转换与通道特征结合;设计扩大的动态记忆链,加入特定方面目标词改进LSTM。比较传统方法,提高了分类准确率,实现了深层次的方面情感分类。在SemEval 2014两个数据集和Twitter数据集上进行对比实验,验证了不同嵌入特征对模型影响力的大小不同,以及LSTM的改进均使文本情感分类准确率得到了不同程度的提升。