.png){kind=icon}
返回
Dependency relationship-enhanced graph convolutional network for aspect-based sentiment analysis
.png){kind=icon}
PRE
AI
DOI：10.1007/s00521-025-11508-8.png)
.png){kind=icon}
原文求助.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
基于方面的情感分析任务旨在预测句子中特定方面的情感极性。近期研究显示，基于注意力机制和基于句法的方法已逐渐成为主流方法。然而，在存在长距离词语依赖信息的句子中，基于注意力的模型可能会错误地利用无关上下文词语作为预测的线索。此外，基于图神经网络的方法已被应用于建模句法结构信息，尽管取得了显著成果，但这些方法过度依赖句法依存树的精确性，可能导致词语间次优的依赖关系，从而引入噪声。有效融合语义相关性信息和句法结构信息仍然是一个具有挑战性的任务。为解决上述不足，我们提出了依赖关系增强的图卷积网络（DREGCN）模型，该模型利用双通道整合语义相关性信息和句法结构信息。具体而言，在句法通道中，我们保留原始依存树以获取全局句法信息，同时引入面向方面的重构树以捕捉局部句法信息。此外，与以往研究中将上下文词语和方面词语分别建模的做法不同，我们在语义通道中提出余弦网络以增强上下文与方面之间的信息交互。实验结果表明，我们的DREGCN模型在三个公开数据集上具有显著优势。
Keyword:
Syntactic dependency
Semantic relevance
Graph convolutional network
Aspect-based sentiment analysis
期刊
IF:
4.5
论文数:
872
被引数:
3.2W
机构
引用论文
Reconstructing graph networks by using new target representation for aspect-based sentiment analysis
PREAI
分享收藏Syntactic and Semantic Aware Graph Convolutional Network for Aspect-Based Sentiment Analysis.png)
IEEE ACCESS
OAAI
IEEE ACCESSIF3.6
OAAI分享收藏Improving context and syntactic dependency for aspect-based sentiment analysis using a fused graph attention network基于融合图注意力网络改进上下文和句法依赖关系的方面基于情感分析
PREAI
分享收藏Fusing sentiment knowledge and inter-aspect dependency based on gated mechanism for aspect-level sentiment classificationNEUROCOMPUTING
NEUROCOMPUTINGIF6.5
PREAI
分享收藏
Sentiment interaction and multi-graph perception with graph convolutional networks for aspect-based sentiment analysis基于图卷积网络的情感交互和多图感知，用于基于方面的情感分析
PREAI
分享收藏
查看更多内容