结合多种语言学特征的中文隐式情感分类

作     者：陆靓倩 王中卿 周国栋 LU Liangqian;WANG Zhongqing;ZHOU Guodong

作者机构：苏州大学计算机科学与技术学院江苏苏州215006 

出 版 物：《计算机科学》 (Computer Science)

年 卷 期：2023年第50卷第12期

页      面：255-261页

学科分类：081203[工学-计算机应用技术] 08[工学] 0835[工学-软件工程] 0812[工学-计算机科学与技术（可授工学、理学学位）] 

基　　金：国家自然科学基金(62076175 61976146) 

主　　题：隐式情感分类 词性标注 依存分析 图模型 BERT 语言学特征 

摘      要：情感分析一直是自然语言处理中的热点研究方向,隐式情感分类指无显式情感词的情感分类任务,目前,隐式情感分析还处于起步阶段。隐式情感分析面临缺乏显式情感词、表达方式委婉、语义难以理解等问题,传统的情感分析方法如情感词典、词袋模型等难以生效,使得隐式情感分类任务更加艰巨。针对以上问题,提出了一种结合文本、词性与依存关系的图神经网络模型来进行隐式情感分类。具体来说,模型首先抽取文本的词性和依存特征,然后使用预训练语言模型BERT提取文本向量特征,从而构建了一个基于多种语言学特征的图注意力神经网络。该模型在SMP2021隐式情感识别公开数据集上进行了多次实验。实验结果表明,相较于多种基线模型,所提模型取得了较好的分类效果,证实了所提出的融合了多种语言学特征的隐式情感分类方法具有可行性和有效性。