句法特征融合增强的方面级情感分析

方面级情感分析是情感分析领域的一项关键任务,其目的是分析目标文本中各个方面的情感极性.句法依存树曾被广泛用于方面级情感分析任务中,目前的特征提取和交互方式仅限单一特征级,未能充分利用句法依存树上的有效信息.针对该问题,提出了一种基于句法依存树的多级特征提取算法来建立方面级情感分析模型.首先利用深度优先搜索得出句子的浅层特征表示,然后通过划分子图改进传统图卷积神经网络的建模方式来提取句子的深层特征表示,最终融合多级特征的句子表示并进行情感分类.在4个开放数据集上分类准确率都取得1.64%~2.12%的提升,F1值取得2.24%~4.97%的提升.实验结果表明基于该方法建模能获取更充分的多层句法特征信息、有效提高分类效果.

基于权重增强的方面级情感分析模型

方面级情感分析的目的在于判断文本在不同方面的情感极性.以往的研究大多集中在基于无权的句法依存树来构建网络模型.由于方面词和非方面词的句法依存关系对于目标情感的重要性是不同的,提出了基于权重增强并结合图卷积的神经网络模型(AW-IGCN).通过带权矩阵来储存更完整的句法结构,同时利用GRU来获得上下文信息,并输入到改良的图卷积网络来进行特征融合,最后运用注意力机制进行最终的分类.通过在5个开放数据集上的实验表明,该模型取得了更好的分类效果,进而验证了权重增强的句法依存关系和改良的图卷积网络可以更好地融入句法和上下文信息,在方面级情感分析领域有一定的优势.

延迟退休对机关事业单位职工养老金财富影响的精算分析

在我国人口老龄化日益加剧的背景下,“十四五”规划明确提出要逐步延迟法定退休年龄。由于机关事业单位职工养老金政策的特殊性,本文将其作为研究对象,建立了集“基础养老金财富”“个人账户养老金财富”和“职业年金财富”为一体的养老金财富精算模型,以养老金财富增加值作为评价标准,研究延迟退休对其养老金财富的影响,并针对性地提出了相应的政策建议。

基于渐进增强与图卷积的方面级情感分析模型

方面级情感分析的任务目标是对评论中的特定方面词情感极性的判别,近年来的大多研究方法都采用句法依存树结合图卷积网络来构建模型,但是对句法依存结构的使用过于直接且忽略了在生成树是伴随的噪声影响,因此提出了一种渐进增强结合双向图卷积模块的情感分类模型(PCB-GCN)。首先,设计渐进增强算法来获取更加特异性的句法依存树,利用BiLSTM来提取语义,同时针对不同方向的句法图结构采用双向图卷积模块进行特征提取,最后将句法特征与上下文语义通过协同融合网络结合起来进行最终分类。模型在多组公开数据集上进行了实验,均取得了相比目前基线模型更好的效果。