基于图注意力网络的方面级情感分析方法研究.pdf

基于图注意力网络的方面级情感分析方法研究

摘要

近年来，随着移动互联网的发展，人们热衷于在网上发表对某一事件或某件产品的

评论。这些评论中往往隐藏着用户的情感倾向，对其进行情感分析可以为消费者、企业

和政府提供全面且科学的决策支持。方面级情感分析是一种细粒度的情感分析，旨在判

断文本中给定方面的情感极性。与其他层次的情感分析任务相比，方面级情感分析划分

的粒度更细，对模型的性能要求更高，因此也受到了更多的关注。

目前主流的方法大多利用依存句法树和图注意力网络来分析和提取方面词的情感

极性，但是这些方法通常忽略了依存句法树的信息冗余问题，且不能有效地处理句法结

构不敏感的评论文本。针对目前研究中存在的问题，本文基于图注意力网络，对方面级

情感分析进一步研究。本文的主要工作内容如下：

（1）为了充分利用文本的句法信息，本文设计了基于依存句法树的图注意力网络

模型。该模型利用图注意力网络提取句子依存句法树中的句法关系，根据词与词之间的

依赖关系，从而更准确地捕捉与方面词情感极性相关的意见词。首先利用句法距离对原

始的依存句法树进行剪枝，仅保留与目标方面较近的信息。其次，考虑到依赖关系类型

和词性的影响，在图注意力网络中扩展额外的关系头，将关系类型和词性信息融合到节

点表示中。最后，在三个数据集上的实验结果表明本文的模型与基线模型相比在性能上

有一定的提升。

（2）针对部分评论句法不敏感导致的依赖关系解析错误问题，以及过度剪枝带来

的重要信息丢失问题，本文引入语义信息提取模块，进一步提出了融合语义信息的图注

意力网络模型。语义信息提取模块使用自注意力机制生成邻接矩阵，并使用图注意力网

络对其进行编码来提取语义特征，充分挖掘单词之间的内部关系。此外，模型还使用位

置编码对单词表示进行加强，以更好地挖掘序列信息。最后，将句法特征表示和语义特

征表示通过门控机制进行融合，得到更丰富的句子表示。模型在三个经典数据集上做了

多个维度的实验，实验结果表明本文的模型具有较高的优越性。

关键词：方面级情感分析；图注意力网络；依存句法树；自注意力机制

基于图注意力网络的方面级情感分析方法研究

Abstract

Inrecentyears,withthedevelopmentofmobileInternet,peopleareeagertopost

commentsonaneventoraproductonline.Thesecommentsoftenhideuserssentiment

tendencies,andconductingsentimentanalysisonthemcanprovidecomprehensiveand

scientificdecisionsupportforconsumers,enterprisesandgovernments.Aspectbasedsentiment

analysisisafine-grainedsentimentanalysisthataimstodeterminethesentimentpolarityofa

givenaspectinatext.Comparedwithsentimentanalysistasksatotherlevels,aspectbased

sentimentanalysishasafinergranularityandrequireshigherperformanceofthemodel,soit

hasreceivedmoreattention.

Mostofthecurrentmainstreammethodsusedependencysyntaxtreeandgraphattention

networktoanalyzeandextractthesentimentpolarityofaspectwords,butthesemethodsusuall