基于胶囊网络的方面级情感分类研究

• Published in: 智能科学与技术学报 Vol. 2; no. 3; pp. 284 - 292
• Main Authors: 徐志栋, 陈炳阳, 王晓, 张卫山
• Format: Journal Article
• Language: Chinese
• Published: POSTS&TELECOM PRESS Co., LTD 01-09-2020
• Subjects: 交互注意力; 序列卷积; 情感分类; 方面级; 胶囊网络
• ISSN: 2096-6652
• DOI: 10.11959/j.issn.2096-6652.202031

由于文本中多种情感极性混合而难以判断，方面级情感分析成为当前研究的热点。考虑到多面句表达时会在一定程度上对不同目标的多重情感造成特征重叠，进而影响文本情感分类效果，提出一种基于胶囊网络的方面级情感分类模型（SCACaps）。模型使用序列卷积分别提取上下文和方面词的特征，同时引入交互注意力机制，减少二者对彼此的影响，并对文本特征表示进行重构后传入胶囊网络。胶囊层间通过引入高层胶囊系数对路由算法进行优化，整个迭代更新过程的参数全局共享，以保存较完整的文本特征信息。通过与多个模型进行对比实验发现，SCACaps的分类效果最佳，同时，在小样本学习中SCACaps也有较好的表现。