基于语义增强的在线健康社区情感分析研究

[目的/意义]为了更充分利用文本依存句法信息和先验情感知识在情感分析中的价值,提出了一种语义增强的在线健康社区情感分析模型。[方法/过程]首先预处理在线健康社区数据,并通过BERT生成特征向量;接着基于双通道思想,利用TextCNN和BiLSTM分别抽取在线评论文本的局部和全局信息,然后在GAT中融入情感知识和文本依存句法信息进行语义增强;最后进行双通道特征拼接,并在全连接层实现在线健康社区情感极性判断。[结果/结论]通过对31 718条在线健康社区评论数据进行对照实验发现,基于语义增强的BERT-TBGH模型准确率达到90.77%,相比基准模型TextCNN和BiLSTM分别提升了10.57%和7.79%,引入情感知识和字粒度依存句法信息后,准确率分别提升了1.85%和1.00%。文章提出的基于语义增强的BERTTBGH模型能够有效提升在线健康社区情感分析效果。