模式识别与人工智能
2025年4月3日 星期四   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  2021, Vol. 34 Issue (11): 1049-1057    DOI: 10.16451/j.cnki.issn1003-6059.202111008
“深度学习设计与应用”专题 最新目录| 下期目录| 过刊浏览| 高级检索 |
面向方面级情感分类的特征融合学习网络
陈金广1, 赵银歌1, 马丽丽1
1.西安工程大学 计算机科学学院 西安 710048
Feature Fusion Learning Network for Aspect-Level Sentiment Classification
CHEN Jinguang1, ZHAO Yinge1, MA Lili1
1. School of Computer Science, Xi'an Polytechnic University, Xi'an 710048

全文: PDF (627 KB)   HTML (1 KB) 
输出: BibTeX | EndNote (RIS)      
摘要 在方面级情感分类任务中,现有方法强化方面词信息能力较弱,局部特征信息利用不充分.针对上述问题,文中提出面向方面级情感分类的特征融合学习网络.首先,将评论处理为文本、方面和文本-方面的输入序列,通过双向Transformer的表征编码器得到输入的向量表示后,使用注意力编码器进行上下文和方面词的建模,获取隐藏状态,提取语义信息.然后,基于隐藏状态特征,采用方面转换组件生成方面级特定的文本向量表示,将方面信息融入上下文表示中.最后,对于方面级特定的文本向量通过文本位置加权模块提取局部特征后,与全局特征进行融合学习,得到最终的表示特征,并进行情感分类.在英文数据集和中文评论数据集上的实验表明,文中网络提升分类效果.
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
陈金广
赵银歌
马丽丽
关键词 方面级情感分类双向Transformer的表征编码器(BERT)注意力编码器局部特征提取特定方面转换    
Abstract:In the aspect-level sentiment classification task, the abilities of the existing methods to enhance aspect terms information and utilize local feature information are weak. To settle this problem, a feature fusion learning network(FFLN) is proposed. Firstly, comments are processed into text, aspect and text-aspect as input. After obtaining vector representation of the input by bidirectional encoder representation from the transformers model, the attention encoder is utilized to obtain the hidden state of the context and aspect items and extract the semantic information. Then, based on the hidden state feature, aspect-specific text vector representation is generated using aspect-specific transformation component to integrate aspect terms information into context representation. Finally, the local features are extracted from aspect-specific text vector by the context position weighted module. The final representation features are obtained by the fusion learning of global and local features, and sentiment classification is conducted. Experiments on classical English datasets and Chinese review datasets show that FFLN improves the classification effect.
Key wordsAspect-level Sentiment Classification    Bidirectional Encoder Representation from Transformers(BERT)    Attention Encoder Network    Local Feature Extraction    Aspect-Specific Transformation   
收稿日期: 2021-07-14     
ZTFLH: TP 391  
基金资助:陕西省重点研发计划项目(No.2020GY-122)、陕西省教育厅科研计划项目(No.21JP049)资助
通讯作者: 马丽丽,硕士,副教授,主要研究方向为机器学习、信息融合.E-mail:xamll@163.com.   
作者简介: 陈金广,博士,教授,主要研究方向为信息融合、机器学习、计算机应用.E-mail:xacjg@163.com.
赵银歌,硕士研究生,主要研究方向为自然语言处理、情感分析.E-mail:2843935531@qq.com.
引用本文:   
陈金广, 赵银歌, 马丽丽. 面向方面级情感分类的特征融合学习网络[J]. 模式识别与人工智能, 2021, 34(11): 1049-1057. CHEN Jinguang, ZHAO Yinge, MA Lili. Feature Fusion Learning Network for Aspect-Level Sentiment Classification. , 2021, 34(11): 1049-1057.
链接本文:  
http://manu46.magtech.com.cn/Jweb_prai/CN/10.16451/j.cnki.issn1003-6059.202111008      或     http://manu46.magtech.com.cn/Jweb_prai/CN/Y2021/V34/I11/1049
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