计算机科学与探索

作者：田继帅, 艾芳菊

单位：1. 湖北大学 计算机与信息工程学院，武汉 4300622. 智慧政务与人工智能应用湖北省工程研究中心，武汉 4300623. 大数据智能分析与行业应用湖北省重点实验室（湖北大学），武汉 430062

关键词：方面级情感分析,句法特征,注意力机制,图卷积网络

基金：科技大数据湖北省重点实验室（中国科学院武汉文献情报中心）开放基金课题资助项目（E2KF221001）。

方面级情感分析作为情感计算领域的重要任务，旨在识别文本中关于特定方面的情感倾向。为了提高在这一任务中的性能，提出了一种增强句法信息与多特征图卷积融合的网络模型（ESMFGCN），利用依赖树表示句子中单词之间的语法结构关系，由于单纯地使用依赖树方法在建模时会引发不相关的噪声问题，引入了短语结构树，并将短语树转化为层级短语矩阵，并将由依赖树构造的邻接矩阵和层级短语矩阵合并作为图卷积网络的初始矩阵，用于增强句法信息。为了更精细地捕捉方面词与整个句子之间的关联，引入了注意力机制，对方面词上下文和整个句子建立更为精细的关联，并通过图卷积网络提取语义信息。设计融合层用于融合语义信息与句法信息，从而提高方面级情感分析的准确性和鲁棒性。在Restaurant、Laptop、Twitter数据集上分别设计对比实验、消融实验和敏感性分析实验，实验结果表明，相较于其他研究方法，该方法取得了显著的性能提升，证明了模型的有效性和优越性。

来源：2025年第3期

《计算机科学与探索》期刊编辑部

查看计算机科学与探索杂志2025年第3期