基于交互注意力的双图卷积网络的金融实体情感极性识别方法

实体情感极性识别是一项细粒度情感分析任务,旨在判断给定实体的情感极性。针对金融领域中同一文本中存在多个实体这一问题,该文提出了一种基于交互注意力的双图卷积网络的金融实体情感极性识别方法(ASynSemGCN)。该方法利用预训练模型RoBERTa-wwm-ext,结合实体对句子进行初始表示,再通过多头注意力建立实体与句子之间的交互信息表示。在此基础上,分别利用语法图卷积网络(SynGCN)和语义图卷积网络(SemGCN)对句子进行句法和语义的深层表示,最后,将实体的深层表示、实体字级嵌入表示以及句子嵌入表示拼接,通过全连接层对实体进行情感极性判别。在自建的金融实体情感数据集上进行实验,实验结果表明,该文提出的方法对于金融实体情感极性识别是有效的。