利用依存句法分析和GCN网络进行情感分析的模型

1.Aspect-Level Sentiment Analysis Via Convolution over Dependency Tree(EMNLP2019)

模型将句子的依存树进行输入,然后经过Bi-LSTM进行编码,之后再经过GCN网络进一步增强,目标是提取嵌入,该嵌入对特定方面表达和意见词之间的上下文和依赖信息进行编码,为基于方面的分类任务提供监督信号。经过GCN层之后得到句子的编码,再将方面向量经过平均池化,得到方面词的表示。

2.Aspect-based Sentiment Classification with Aspect-specific Graph Convolutional Networks(EMNLP2019)

 

将上下文进行编码,经过Bi-LSTM得到隐藏向量表示Hc ,之后进行位置感知转换,用来增强与方面此相近的上下文词的重要性,qi就是位置权重,之后经过GCN层得到表示HL

 

 将GCN层输出中的非方面词进行掩码,

 

将Bi-LSTM的输出的每一个词与GCN层得到的每一个方面词的表示进行求和,最后计算注意力,就得到了上下文表示对方面词的重要性,最后根据注意力权重对上下文进行加权求和,得到方面词最终的表示。

 

 

posted on 2022-10-11 09:47  啥123  阅读(300)  评论(0编辑  收藏  举报