计算机工程与应用 ›› 2023, Vol. 59 ›› Issue (15): 169-176.DOI: 10.3778/j.issn.1002-8331.2204-0439
罗容容,龚红仿,徐丹
LUO Rongrong, GONG Hongfang, XU Dan
摘要: 作为目前方面情感分析领域的主流技术,序列化神经网络和图神经网络分别聚焦于语义和句法关系建模。针对序列化神经网络无法准确捕获复杂句的远距离依赖关系,图神经网络缺乏局部序列语义以及精细的最终情感表达等问题,设计了一种多层门控与关系图注意力混合网络。采用预训练模型ERNIE 2.0生成语境化表示,构建方面门控循环单元捕获有关方面的序列语义信息,使用关系图注意力网络学习局部序列语义中的高阶句法特征。最后由双重蒸馏门控网络构成的特征蒸馏双通道,强化特定方面与上下文之间的交互,过滤语义和句法中的冗余信息,获取兼具语义和句法关系的方面情感增强表示。在Twitter和SemEval2014数据集上进行的实验表明,相较于八种先进基线方法,所提出的混合网络具有更优的分类性能。