结合词性、位置和单词情感的内存网络的方面情感分析

在基于方面的情感分析中,上下文中不同单词对于推测方面情感的重要性是不同的,关注机制是非常适合计算每个单词的重要性的,但现有的关注机制没有利用单词词性,单词和方面间的位置信息,这些信息能够帮助计算每个单词的重要性,另外单词情感信息在推测方面情感时也非常重要.所以本文在端对端内存网路(ETEMN)的基础上提出了一种结合词性,位置和单词情感的内存网络来进行基于方面的情感分析,该网路首先在词向量的基础上融入单词情感信息,然后利用该网络中提出的结合词性、位置信息的CNN关注机制(POSP-CNNAM)分析上下文中每个单词在推测方面情感的重要性并生成上下文向量,最后利用上下文向量进行情感分析.通过在2个来自于SemEval 2014任务4的数据集上进行对比实验,结果表明POSP-CNNAM能够有效的分析上下文中每个单词在推测方面情感的重要性,并且在基于方面的情感分析中和LSTM、TD-LSTM、SVM、ETEM N相比,本文提出的内存网路能够获得更好的结果.