Jan, 2022

DigNet: 从局部 - 全局交互图中挖掘线索，用于方面级情感分类

PDF
TL;DR本研究提出了一种新颖的本地 - 全局交互图，通过交互边沿连接两种图形，结合了局部句法和全局关系信息。使用 DigNet 神经网络进行建模可以实现在理解方面层面情感时，局部句法和全局关系信息的协调一致，实验证明了该方法的优越性。
aspect-level sentiment classificationlocal-global interactive graphdignetmessage passingneural network
发现论文，激发创造
  • 基于图神经网络的句法感知方面级情感分类

    本文提出了一种基于目标相关性的图形注意网络（TD-GAT），以在对句子的句法结构进行显式利用的基础上实现对方面级别情感分类的准确识别，并使用 BERT 表示进一步提高了性能。

    Sep, 2019

  • 增强面向方面的情感分析系统性能

    该研究引入了一种名为 SentiSys 的创新增强型边缘图卷积网络，用于在保留完整特征信息的同时导航句法图，从而提高情感分析性能。评估实验和消融研究表明，SentiSys 在方面级情感分析中取得了改进的性能，成功解决了句法特征提取的挑战，展示了其推进情感分析方法学的潜力。

    Apr, 2024

  • 基于局部和全局特征的方面情感分类的联合学习

    该研究论文提出了一种基于局部和全局特征的模型，通过设计局部编码器和双级图注意网络，有效地对面向方面的情感分类进行建模，并在 SemEval 2014 和 Twitter 数据集上取得了最先进的性能。

    Nov, 2023

  • 基于知识图谱和循环注意网络的方面级情感分析

    本文提出了一种新方法，通过解决上下文特定词义的挑战来提高情感分析的效果。它结合了双向长短期记忆网络（Bi-LSTM）和知识图谱的同义词数据的优势，利用动态注意力机制开发出一种知识驱动的状态向量。为了对特定方面的情感进行分类，该方法构建了一个集成位置数据的存储库，然后使用多层门控循环单元（GRU）分析此数据以确定与特定方面词相关的情感特征。对三个广泛可用的数据集的测试结果表明，该方法在情感分类方面表现出优秀的性能。

    Dec, 2023

  • 三元图神经网络：引入句法和语义信息进行会话级方面四元情感分析

    对话式基于方面的情感分析（DiaASQ）旨在从给定的对话中检测目标、方面、意见、情感极性四元组。本文引入了 Triple GNNs 网络来增强 DiaASQ，并通过使用 Graph Convolutional Network（GCN）对话模型和 Dual Graph Attention Network（DualGATs）构建对话之间的交互。实验结果表明，我们的模型明显优于最先进的基准模型。

    Mar, 2024

  • 借鉴结构范围：用混合图卷积网络提高方面级情感分析

    提出了 Scope 的概念，用于描述与特定目标相关的结构文本区域。结合组成树和依赖树的信息，提出了一个杂交图卷积网络（HGCN）来共同学习结构 Scope 并预测情感极性，证明该模型优于当前最先进的基线模型。

    Apr, 2022

  • 基于特定方面图卷积网络的方面情感分类

    通过在句子的依赖树上构建图卷积网络，利用了句法信息和单词依赖关系，提出了一种新的特定于方面的情感分类框架。在三个基准测试集上的实验表明，该模型与一系列最先进的模型具有可比较的效果。

    Sep, 2019

  • 利用图卷积网络建模情感依赖性进行方面级情感分类

    本文提出了一种基于图卷积网络的新型方面级情感分类模型，该模型能够有效地捕捉一句话中不同方面之间的情感依赖关系，并通过 SemEval 2014 数据集的评估表明了其优越性。此外，我们还开展了实验以评估 GCN 模块的有效性，并表明不同方面之间的依赖关系在方面级情感分类中具有高度的帮助作用。

    Jun, 2019

  • 基于关系图注意力网络的基于方面的情感分析

    本文通过有效的句法信息编码，以新的树形结构对情感识别进行了研究，提出了关系图注意力网络（R-GAT）并在 SemEval 2014 数据集和 Twitter 数据集上进行了广泛实验，结果表明我们的方法可以更好地建立方面和意见词之间的联系，并且图注意力网络（GAT）的表现得到了显著提高。

    Apr, 2020

  • 使用动态异构图神经网络共同建模方面与情感

    本文提出了一种新的动态异构图结构来联合建模方面提取和情感检测，实验结果表明，我们的模型优于现有最先进的模型，特别在多观点方面和无观点方面的情况下，性能显著提高。

    Apr, 2020