模式识别与人工智能
2025年4月4日 星期五   首 页     期刊简介     编委会     投稿指南     伦理声明     联系我们                                                                English
模式识别与人工智能  2019, Vol. 32 Issue (11): 987-996    DOI: 10.16451/j.cnki.issn1003-6059.201911003
论文与报告 最新目录| 下期目录| 过刊浏览| 高级检索 |
基于辅助记忆循环神经网络的视角级情感分析
廖祥文1,2,3, 林威1,2,3, 吴运兵1,2,3, 魏晶晶4, 陈国龙4
1.福州大学 数学与计算机科学学院 福州 350116;
2.福州大学 福建省网络计算与智能信息处理重点实验室 福州 350116;
3.数字福建金融大数据研究所 福州 350116;
4.福建江夏学院 电子信息科学学院 福州 350108
Aspect Level Sentiment Analysis Based on Recurrent Neural Network with Auxiliary Memory
LIAO Xiangwen1,2,3, LIN Wei1,2,3, WU Yunbing1,2,3, WEI Jingjing4, CHEN Guolong4
1.College of Mathematics and Computer Science, Fuzhou University, Fuzhou 350116;
2.Fujian Provincial Key Laboratory of Networking Computing and Intelligent Information Processing,Fuzhou University, Fuzhou 350116;
3.Digital Fujian Institute of Financial Big Data, Fuzhou 350116;
4.College of Electronics and Information Science, Fujian Jiang-xia University, Fuzhou 350108

全文: PDF (879 KB)   HTML (1 KB) 
输出: BibTeX | EndNote (RIS)      
摘要 现有视角级情感分析方法大多数利用视角词信息从句子中提取特征,不能同时利用视角和视角词信息,导致模型性能较低,为此文中提出基于辅助记忆循环神经网络的视角级情感分析方法.首先通过深度双向长短期记忆网络和单词的位置信息构建位置权重记忆,利用注意力机制结合视角词建立视角记忆.再联合位置权重记忆和视角记忆输入多层门循环单元,得到视角情感特征.最后由归一化函数识别情感极性.实验表明,相对基准实验,文中方法在3个公开数据集上的效果更好,该方法是有效的.
服务
把本文推荐给朋友
加入我的书架
加入引用管理器
E-mail Alert
RSS
作者相关文章
廖祥文
林威
吴运兵
魏晶晶
陈国龙
关键词 视角级情感分析注意力机制深度学习    
Abstract:Aspect level sentiment analysis employs information of terms to extract features from a sentence, and it cannot utilize information of both aspects and terms simultaneously. Therefore, the model performance is low. Aiming at this problem, an aspect level sentiment analysis based on recurrent neural network with auxiliary memory is proposed. Deep bidirectional long short term memory(DBLSTM) and positional information of words are exploited to build position-weighted memory. The attention mechanism is combined with aspect terms to build aspect memory, and with position-weighted memory and aspect memory to input a multi-layer gated recurrent unit. Then, sentimental features of the aspect are obtained. Finally, sentimental polarity is identified by the normalized function. Experimental results show that the proposed method achieves better results on three public datasets with high effectiveness.
Key wordsAspect Level Sentiment Analysis    Attention Mechanism    Deep Learning   
收稿日期: 2019-06-24     
ZTFLH: TP 391  
基金资助:国家自然科学基金项目(No.61772135,U1605251)、 福建省自然科学基金面上项目(No.2017J01755)、中国科学院网络数据科学与技术重点实验室开放基金课题(No.CASNDST201708,CASNDST201606)、模式识别国家重点实验室开放课题基金项目(No.201900041)、赛尔网络下一代互联网技术创新项目(No.NGII20160501)、北邮可信分布式计算与服务教育部重点实验室主任基金项目(No.2017KF01)资助
通讯作者: 廖祥文,博士,教授,主要研究方向为观点挖掘、情感分析.E-mail:liaoxw@fzu.edu.cn.   
作者简介: 林 威,硕士研究生,主要研究方向为观点挖掘、情感分析.E-mail:n170320030@fzu.edu.cn.吴运兵,硕士,副教授,主要研究方向为知识表示、知识发现.E-mail:wyb5820@fzu.edu.cn.魏晶晶,博士,讲师,主要研究方向为观点挖掘.E-mail:weijj@fjjxu.edu.cn.
引用本文:   
廖祥文, 林威, 吴运兵, 魏晶晶, 陈国龙. 基于辅助记忆循环神经网络的视角级情感分析[J]. 模式识别与人工智能, 2019, 32(11): 987-996. LIAO Xiangwen, LIN Wei, WU Yunbing, WEI Jingjing, CHEN Guolong. Aspect Level Sentiment Analysis Based on Recurrent Neural Network with Auxiliary Memory. , 2019, 32(11): 987-996.
链接本文:  
http://manu46.magtech.com.cn/Jweb_prai/CN/10.16451/j.cnki.issn1003-6059.201911003      或     http://manu46.magtech.com.cn/Jweb_prai/CN/Y2019/V32/I11/987
版权所有 © 《模式识别与人工智能》编辑部
地址:安微省合肥市蜀山湖路350号 电话:0551-65591176 传真:0551-65591176 Email:bjb@iim.ac.cn
本系统由北京玛格泰克科技发展有限公司设计开发 技术支持:support@magtech.com.cn