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  2020, Vol. 33 Issue (6): 479-487    DOI: 10.16451/j.cnki.issn1003-6059.202006001
论文与报告 最新目录| 下期目录| 过刊浏览| 高级检索 |
基于知识图谱与循环注意力网络的视角级情感分析
邓立明1,2,3, 魏晶晶4, 吴运兵1,2,3, 余小燕1,2,3, 廖祥文1,2,3
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 Knowledge Graph and Recurrent Attention Network
DENG Liming1,2,3, WEI Jingjing4, WU Yunbing1,2,3, YU Xiaoyan1,2,3, LIAO Xiangwen1,2,3
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 Jiangxia University, Fuzhou 350108

全文: PDF (852 KB)   HTML (1 KB) 
输出: BibTeX | EndNote (RIS)      
摘要 现有的视角级情感分析方法难以解决单词在不同语境下“一词多义”问题,因此性能受限.针对上述问题,文中提出基于知识图谱与循环注意力网络的视角级情感分析方法.首先,利用动态注意力机制,结合双向长短时记忆网络的文本表示和知识图谱中的同义词信息,获得知识感知状态向量.再联合位置信息构造记忆内容,并输入多层门限循环单元,计算视角词情感特征,进行视角级文本情感分类.在3个公开数据集上的实验表明,文中方法分类效果较优
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
邓立明
魏晶晶
吴运兵
余小燕
廖祥文
关键词 视角级情感分析知识图谱注意力机制深度学习    
Abstract:The existing aspect level sentiment analysis methods cannot solve the problem of polysemous word in different contexts. Therefore, a method for aspect level sentiment analysis based on knowledge graph and recurrent attention network is proposed. The text representation of the bidirectional long short-term memory network is integrated with synonym information in knowledge graph using dynamic attention mechanism to obtain the state vector of knowledge perception. To classify aspect level sentiment, the memory content is constructed by combining the location information and inputting the multi-level gated recurrent unit for calculating the sentiment characteristics of aspect terms. The experimental results show that the proposed method achieves better classification results on three open datasets.
Key wordsAspect Level Sentiment Analysis    Knowledge Graph    Attention Mechanism    Deep Learning   
收稿日期: 2020-03-06     
ZTFLH: TP 391  
基金资助:国家自然科学基金项目(No.61976054,61772135,U1605251)、国家自然科学基金青年基金项目(No.41801324)、福建省自然科学基金面上项目(No.2017J01755)、模式识别国家重点实验室开放课题基金项目(No.201900041)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、自然语言处理.E-mail:liaoxw@fzu.edu.cn.   
作者简介: 邓立明,硕士研究生,主要研究方向为观点挖掘、情感分析、自然语言处理.E-mail:n180320048@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. 吴运兵,硕士,副教授,主要研究方向为机器学习、数据挖掘、知识表示.E-mail:wyb5820@fzu.edu.cn. 余小燕,硕士,讲师,主要研究方向为文本信息处理.E-mail:35490823@qq.com.
引用本文:   
邓立明, 魏晶晶, 吴运兵, 余小燕, 廖祥文. 基于知识图谱与循环注意力网络的视角级情感分析[J]. 模式识别与人工智能, 2020, 33(6): 479-487. DENG Liming, WEI Jingjing, WU Yunbing, YU Xiaoyan, LIAO Xiangwen. Aspect Level Sentiment Analysis Based on Knowledge Graph and Recurrent Attention Network. , 2020, 33(6): 479-487.
链接本文:  
http://manu46.magtech.com.cn/Jweb_prai/CN/10.16451/j.cnki.issn1003-6059.202006001      或     http://manu46.magtech.com.cn/Jweb_prai/CN/Y2020/V33/I6/479
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