Dual contrastive learning-based hypergraph convolutional network for aspect-based sentiment classification

doi:10.1016/j.knosys.2025.114701

Dual contrastive learning-based hypergraph convolutional network for aspect-based sentiment classification

2025-10-24

0

PRE

AI

DOI：10.1016/j.knosys.2025.114701

原文链接

原文求助

摘要

En 中文

基于方面的情感分类（ABSC）在理解社交媒体和产品评论等领域中表达的情感方面发挥着关键作用。当前主流方法设计先进的图神经网络以捕捉文本的句法结构，这有助于理解方面术语与观点表达之间的语义关系。然而，这些方法通常孤立地处理句法结构，未能融入其他关系信号，例如用于解决同一句子中多个方面之间情感冲突和重叠的方面引导注意力提示等关键信号。此外，尽管基于图的方法在建模句法结构方面有效，但它们难以识别序列文本中表达的不明确和欠代表性的情感。为解决这些挑战，我们提出了一种基于双对比学习的超图卷积网络（DCL-HGCN）用于ABSC任务。具体而言，我们首先构建一个超图模块，将差异化与互补信息整合到统一的关系结构中，从而丰富多级关联以及方面术语与周围情感表达之间的微妙互动。此外，我们引入了一个句内和句间双对比学习模块，以增强模型理解模糊情感的能力。句内组件对比不同超边关系组的节点，以增强方面特定的极性判别能力。而句间组件强化不同类别的语义边界，促进更具判别性的表示。在五个基准数据集上的实验结果表明，DCL-HGCN优于大多数当前最优模型，为ABSC任务提供了一种更细粒度且情感敏感的解决方案。

Dual contrastive learning-based hypergraph convolutional network for aspect-based sentiment classification

摘要

期刊

机构

引用论文