基于 BERT 的多特征融合方面级情感分类方法

若欣 廖(西南交通大学计算机与人工智能学院，中国)

摘要

方面级情感分析，关键在于精准构建方面词与相应意见词间的关联。目前，现有方法难以充分利用上下文情感知识、挖掘深度语义特征，为此提出一种基于BERT的多特征融合模型。首先，利用情感词典挖掘上下文中的情感信息，并通过情感知识加权增强句法依存关系，构建句法情感图卷积网络。其次，设计了一种双层注意力机制，结合自注意力和交互注意力，以进一步挖掘句子内部的语义信息，并强化方面词与上下文之间的交互关系。同时，进一步提取第二层注意力的深层次特征，以提升情感极性预测的准确性。该模型通过动态融合句法情感特征、注意力特征和全局特征，构建更完整的情感表示。3个公开数据集上的实验结果表明，提出的模型是有效的。

关键词

方面级情感分析；图卷积网络；注意力机制；情感知识；多特征融合

参考

汪红松,李嘉展,曾碧卿.文本方面级情感分析方法研究综述[J].软件导刊,2023,22(09):1-8.

Zhang C, Li Q, Song D. Aspect-based sentiment classification with aspect-specific graph convolutional networks[C]//Proceedings of the 2019 Conference on Empirical Methods in Natural Language Processing and the 9th International Joint Conference on Natural Language Processing. 2019: 4568-4578

Shazeer N, Lan Z, Cheng Y, et al. Talking-heads attention[J]. arXiv preprint arXiv:2003.02436, 2020.

DOI: http://dx.doi.org/10.12345/bdai.v6i3.28240