Aspect-based sentiment analysis via affective knowledge enhanced graph convolutional networks
基于情感知识增强图卷积网络的基于方面的情感分析
Abstract
现有的研究大多集中在基于句子依存关系树的上下文词到aspect词的依存关系信息的学习上，缺乏对特定体的语境情感知识的挖掘。在本文中，作者提出了一种基于SenticNet的图卷积网络，以根据特定的方面来利用句子的情感依赖关系，称为语义GCN。
通过整合SenticNet的
情感知识
来构建图神经网络，以增强句子的依存关系图。
在此基础上，提出了一种新的情感增强图模型，该模型既考虑了上下文词与aspect词之间的依存关系，又考虑了观点词与aspect之间的情感信息
Model
模型组成：
- 使用LSTM学习上下文表示
- 利用GCN将句子的上下文表示和相应的情感增强图作为输入，捕获上下文词的潜在情感依赖（将情感词编码到依赖树中）
- 将两个输出进行组合
启示
- 模型很简单，将情感词的编码到依赖树中，代码也很简单能够实现，可以将加入到情感分析的任意一个模型中
版权声明：本文为Jeaksun原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。