《電子技術(shù)應(yīng)用》
您所在的位置：首頁 > 其他 > 設(shè)計(jì)應(yīng)用 > 融合位置信息的卷積門控網(wǎng)絡(luò)實(shí)現(xiàn)與應(yīng)用
融合位置信息的卷積門控網(wǎng)絡(luò)實(shí)現(xiàn)與應(yīng)用
2020年信息技術(shù)與網(wǎng)絡(luò)安全第1期
時(shí)昭麗，范紅，陳佳偉，董亞博，張子薇，許武軍
（東華大學(xué) 信息科學(xué)與技術(shù)學(xué)院，上海 201620）
摘要： 基于方面的情感分析（AspectBased Sentiment Analysis）通常使用長短期記憶網(wǎng)絡(luò)和注意力機(jī)制方法，這兩種模型結(jié)構(gòu)復(fù)雜，運(yùn)行時(shí)間長?，F(xiàn)有的卷積神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)簡單，具有代表性的是GCAE（Gated Convolutional Networks with Aspect Embedding）模型。但其由于未充分地利用詞語的順序信息，不能準(zhǔn)確快速地關(guān)注到關(guān)鍵詞。因此提出了一種融合位置信息的卷積門控網(wǎng)絡(luò)方法。采用SemEval數(shù)據(jù)集進(jìn)行實(shí)驗(yàn)，并與采用GCAE模型的實(shí)驗(yàn)結(jié)果進(jìn)行對(duì)比，結(jié)果表明，所提模型迭代一次約用時(shí)5.96 s，優(yōu)于長短期記憶模型的81 s。該模型對(duì)句子中有多個(gè)方面的情感極性判斷準(zhǔn)確度為55.00%，高于GCAE模型的53.00%。該研究對(duì)于提高基于方面的情感分析的迭代時(shí)間和準(zhǔn)確度有一定的參考意義。
中圖分類號(hào)：TP391
文獻(xiàn)標(biāo)識(shí)碼：A
DOI： 10.19358/j.issn.2096-5133.2020.01.013
引用格式：時(shí)昭麗，范紅，陳佳偉，等。融合位置信息的卷積門控網(wǎng)絡(luò)實(shí)現(xiàn)與應(yīng)用［J］。信息技術(shù)與網(wǎng)絡(luò)安全，2020,39（1）：70-73.
Implementation and application of convolution gating network model combined with position information
Shi Zhaoli，F(xiàn)an Hong,Chen Jiawei,Dong Yabo,Zhang Ziwei,Xu Wujun
（College of Information Science and Technology, Donghua University,Shanghai 201620,China）
Abstract： Aspectbased sentiment analysis usually uses longshortterm network and the attention mechanism method，the two models are complicated in structure and long time in running time.The existing convolutional neural network has a simple structure,and is representative of a GCAE （Gated Convolutional Networks with Aspect Embedding） model.Since the position information of the words does not fully utilized，the keywords cannot be accurately and quickly focused.Therefore,this paper proposed a convolutional gating network method that combines position information.The SemEval dataset was used for experiments and compared with the experimental results using the GCAE model.The results show that the iteration time of this model is about 5.96 s，which is better than the LSTM model of 81 s. The accuracy of this model for multiple aspects of sentences and multiple emotional polarity is 55.00%, which is higher than 53.00% of the GCAE model.This paper has certain reference significance for improving the iterative time and accuracy of aspectbased sentiment analysis.
Key words : aspect-based sentiment analysis;position information;convolutional neural network; gating mechanism

0    引言

　　情感分析分為基于句子的情感分析和基于方面的情感分析。如“這家餐廳菜品好吃，但交通不便利”，文本的實(shí)體為“這家餐廳”，分別對(duì)“菜品”和“交通”兩個(gè)方面進(jìn)行褒貶不一的評(píng)論。若判斷整個(gè)句子的情感極性為積極、消極或中立顯然是不精準(zhǔn)的，因此關(guān)注方面情感更為重要。基于方面的情感分析前期主要采用基于機(jī)器學(xué)習(xí)的利用情感詞典的特征構(gòu)建分類器［1］，其主要依賴人工規(guī)則和特征工程，且耗時(shí)成本高。近年來神經(jīng)網(wǎng)絡(luò)在方面情感分析中得到廣泛使用，文獻(xiàn)［2］提出一種用于方面相關(guān)的自適應(yīng)遞歸神經(jīng)網(wǎng)絡(luò)，但是其依賴語境和句法結(jié)構(gòu)預(yù)測方面的情感極性。長短期記憶模型［3］能解決長距離依賴的問題，文獻(xiàn)［4］改進(jìn)了該模型，引入樹結(jié)構(gòu)長短期記憶模型，準(zhǔn)確度有所提升，但模型訓(xùn)練時(shí)間長。文獻(xiàn)［5］提出應(yīng)用注意力機(jī)制方法實(shí)現(xiàn)對(duì)方面詞周圍情感詞的關(guān)注，但注意力機(jī)制不能捕捉序列的順序，且注意力層涉及指數(shù)操作和句子中所有單詞的所有對(duì)齊分?jǐn)?shù)的標(biāo)準(zhǔn)化，所需計(jì)算時(shí)間長。文獻(xiàn)［6］將注意力機(jī)制、長短期記憶網(wǎng)絡(luò)和位置信息相結(jié)合，建立情感分析模型，但當(dāng)一個(gè)句子中含有多個(gè)方面以及多個(gè)方面的情感詞時(shí)，其判斷可靠性一般，訓(xùn)練時(shí)間相比長短期記憶網(wǎng)絡(luò)更長。文獻(xiàn)［7］提出GCAE模型，其改善了系統(tǒng)的性能，提高了情感極性的預(yù)測準(zhǔn)確度，但忽略了位置信息的重要性。





本文詳細(xì)內(nèi)容請下載：http://theprogrammingfactory.com/resource/share/2000003120





作者信息：

時(shí)昭麗，范紅，陳佳偉，董亞博，張子薇，許武軍

（東華大學(xué) 信息科學(xué)與技術(shù)學(xué)院，上海 201620）


此內(nèi)容為AET網(wǎng)站原創(chuàng)，未經(jīng)授權(quán)禁止轉(zhuǎn)載。