【技术实现步骤摘要】
本专利技术属于自然语言处理的，具体涉及一种基于双分支图卷积网络的细粒度情感分析方法。
技术介绍
1、情感分析是自然语言处理领域里的一个重要分支，是近年来的研究热点。情感分析任务按粒度可以分为粗粒度情感分析和细粒度情感分析，随着情感分析的要求日益多样化、语言环境日益复杂化，情感分析任务逐渐向着细粒度情感分析层面发展。细粒度情感分析是对句子中给定的方面词进行情感极性的判断，区别于粗粒度情感分析，细粒度情感分析能够识别出句子中不同的情感对象及其对应的情感极性，能够更加适应多样化和复杂化的语言环境，例如所展示的例句，“decor is nice though service can be spotty”，很明显这句话中有两个方面词：decor、service,其中decor的情感极性是positive，和service为negative的情感极性相反。因此，与粗粒度情绪分析相比，细粒度情感分析通过方面词进行预测的技术不仅能够提高预测的准确率，而且更加符合实际情况。
2、为了准确识别不同方面词的情感极性，细粒度情感分析的主要任务是建模...
【技术保护点】
1.一种基于双分支图卷积网络的细粒度情感分析方法，其特征在于包括以下步骤：
2.根据权利要求1所述的基于双分支图卷积网络的细粒度情感分析方法，其特征在于：在利用动态更新图结构信息DUG-SI动态更新图卷积网络GCN中每层网络的邻接矩阵时，以节点本身的特征表示与从其邻接矩阵构建的节点特征表示之间的曼哈顿距离，计算当前层的每个节点的信息得分，按照信息得分对当前层的各个节点进行排序，筛选出小于阈值的节点，组成节点子集，对所述节点子集的特征表示和当前层节点集的特征表示Hl重新进行自注意力分析，获得新注意力得分矩阵将新注意力得分矩阵与该节点上一层的邻接矩阵Al-1进...
【技术特征摘要】
1.一种基于双分支图卷积网络的细粒度情感分析方法，其特征在于包括以下步骤：
2.根据权利要求1所述的基于双分支图卷积网络的细粒度情感分析方法，其特征在于：在利用动态更新图结构信息dug-si动态更新图卷积网络gcn中每层网络的邻接矩阵时，以节点本身的特征表示与从其邻接矩阵构建的节点特征表示之间的曼哈顿距离，计算当前层的每个节点的信息得分，按照信息得分对当前层的各个节点进行排序，筛选出小于阈值的节点，组成节点子集，对所述节点子集的特征表示和当前层节点集的特征表示hl重新进行自注意力分析，获得新注意力得分矩阵将新注意力得分矩阵与该节点上一层的邻接矩阵al-1进行线性组合，作为当前层的各个节点的邻接矩阵al，实现邻接矩阵动态调整。
3.根据权利要求2所述的基于双分支图卷积网络的细粒度情感分析方法，其特征在于：利用如下公式，计算节点的信息得分p，
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。