计算机工程与科学

作者：杨春霞, 桂强, 马文文, 徐奔,

单位：1.南京信息工程大学自动化学院,江苏 南京 210044;2.江苏省大数据分析技术重点实验室,江苏 南京 210044;3.江苏省大气环境与装备技术协同创新中心，江苏 南京 210044

关键词：情感分析,语法图,图游走,图神经网络,

基金：国家自然科学基金 (61273229,51705260)

在方面级情感分析任务中常用注意力机制获取单词的权重信息，忽略了句法结构对提取句子中不同单词重要程度的作用。此外，多方面词语句中会出现方面词和情感词关联混淆的问题，以及无法有效地关注与目标方面词情感极性相关的上下文部分。提出了融合图游走信息的图注意力神经网络模型GW-GAT。在语法图上执行图游走获取句子的单词权重系数；使用图注意力网络结合单词节点权重与节点之间的权重突出对目标方面词情感极性起重要作用的上下文部分，经过全连接和softmax获得最终的情感极性。在SemEval2014任务和Twitter数据集上的实验结果表明，GW-GAT模型性能优于基线模型，获得了较好的实验结果。

来源：2023年第10期

《计算机工程与科学》期刊编辑部

查看计算机工程与科学杂志2023年第10期