报告题目: 基于依存路径的方面级情感分类模型

报告人：柯文俊（ 中国航天科工集团第二研究院七〇六所） 高级工程师

报告时间：2022年4月28日（周四）15：20

报告地点：逸夫楼C座314会议室

摘要：

方面级情感分类旨在对评论文本中针对特定评价对象的细粒度情感进行细粒度分类。现有深度学习模型主要采用注意力模型和图神经网络来生成特定方面的表达，然而注意力模型仅采用语义相似度来计算上下文权重，图神经网络无法处理方面词和情感上下文依赖距离较长的情况。因此，我们研究情感上下文中“语法”和“语义”分别发挥的作用，提出了基于依存路径的方面级情感分类模型。我们认为语法特征决定了上下文的依赖性，而语义特征决定情感倾向。具体地，我们首先引入依存路径编码，对情感上下文的依赖权重进行量化计算；然后通过聚合上下文语义，得到特定方面的语义表达，用于情感分类。实验结果表明该模型的性能超越了最优秀的基线模型，同时通过分析实验，验证了算法对方面相关上下文权重的精准分配能力。