方面级情感分析的研究与应用

在早期的细粒度情感分析任务上,主要由人工进行特征选择,人为的工作量大,传统机器学习模型如支持向量机、朴素贝叶斯等被用于情感分类,但随着近几年神经网络的兴起,多种神经网络代替人为的工作,实验效率大大地提升,因为需要挖掘人们文本表达的观点的信息,本文就多种模型应用于方面级情感分析进行研究和分析,得出其中方面词和上下文之间的语义关系影响重大,针对该方面对模型进行应用,得到效果最好的模型。

一种基于图卷积神经网络和依存分析的财经新闻情感分析方法

财经新闻的情感分析有助于企业和投资者确定投资风险和提高经济效益,具有较高的应用价值。针对财经新闻文本,提出一种在图卷积神经网络中使用依存句法分析(Dependency Analysis-based Graph Convolutional Network,DA-GCN)的情感分析方法。该方法通过分析文档中词语的依存关系,获取句子的语序信息和文档中重要的句子成分,再通过词语在文档中的共现信息实现信息传递和对图的参数更新。在财经新闻数据集上进行的实验表明,本文提出的方法与传统深度学习方法相比,在各项评价指标上都取得显著提升。