计算机科学与探索

作者：张周彬，相艳，梁俊葛，杨嘉林，马磊

单位：1. 昆明理工大学 信息工程与自动化学院，昆明 6505042. 昆明理工大学资产经营有限公司，昆明 650051

关键词：属性,情感分类,注意力机制,长短时记忆网络（LSTM）,位置信息

属性级情感分类旨在准确识别评论中属性的情感极性。现有的基于长短时记忆网络（LSTM）的方法大多只利用了属性和上下文的语义信息，而忽视了属性与上下文相对位置信息。针对此问题，提出一种利用相对位置信息来增强注意力的LSTM网络模型，解决属性级情感分类问题。首先，对上下文的输入层加入位置向量，利用两个LSTM网络对上下文和属性分别进行独立语义编码；然后，对上下文的隐藏层再次拼接位置向量，并利用属性隐藏层向量参与上下文不同词注意力权重的计算；最后，利用上下文生成的有效表示进行情感分类。该模型在SemEval 2014 Task4 Restaurant和Laptop两个不同领域数据集上进行了实验，在三分类实验中，准确率分别达到79.7%和72.1%。在二分类实验中，准确率分别达到92.1%和88.3%。相比多个基线模型，在准确率上都有一定的提升。

来源：2020年第4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2020年第4期