基于自注意力门控图卷积网络的特定目标情感分析

摘要

基于特定目标的情感分析旨在预测句子中不同方面表达的不同情感倾向.针对之前利用循环神经网络(RNN)结合注意力机制的网络模型所带来的训练参数多且缺少对相关句法约束和长距离词依赖机制解释的问题,提出自注意力门控图卷积网络MSAGCN.首先,模型采用多头自注意力机制编码上下文词和目标,捕获句子内部的语义关联;然后,采用在句子的依存树上建立图卷积网络的方法获取句法信息以及词的依存关系;最后,通过带有目标嵌入的门控单元(GTRU)获取特定目标的情感.与基线模型相比,所提模型的准确率和调和平均值F1分别提高了1％～3.3％和1.4％～6.3％;同时,预训练的BERT模型也被应用到当前任务中,使模型效果获得了新的提升.实验结果表明所提出的模型能更好掌握用户评论的情感倾向.