• 中国精品科技期刊
  • CCF推荐A类中文期刊
  • 计算领域高质量科技期刊T1类
高级检索

基于依存树及距离注意力的句子属性情感分类

苏锦钿, 欧阳志凡, 余珊珊

苏锦钿, 欧阳志凡, 余珊珊. 基于依存树及距离注意力的句子属性情感分类[J]. 计算机研究与发展, 2019, 56(8): 1731-1745. DOI: 10.7544/issn1000-1239.2019.20190102
引用本文: 苏锦钿, 欧阳志凡, 余珊珊. 基于依存树及距离注意力的句子属性情感分类[J]. 计算机研究与发展, 2019, 56(8): 1731-1745. DOI: 10.7544/issn1000-1239.2019.20190102
shu
Su Jindian, Ouyang Zhifan, Yu Shanshan. Aspect-Level Sentiment Classification for Sentences Based on Dependency Tree and Distance Attention[J]. Journal of Computer Research and Development, 2019, 56(8): 1731-1745. DOI: 10.7544/issn1000-1239.2019.20190102
Citation: Su Jindian, Ouyang Zhifan, Yu Shanshan. Aspect-Level Sentiment Classification for Sentences Based on Dependency Tree and Distance Attention[J]. Journal of Computer Research and Development, 2019, 56(8): 1731-1745. DOI: 10.7544/issn1000-1239.2019.20190102
shu
苏锦钿, 欧阳志凡, 余珊珊. 基于依存树及距离注意力的句子属性情感分类[J]. 计算机研究与发展, 2019, 56(8): 1731-1745. CSTR: 32373.14.issn1000-1239.2019.20190102
引用本文: 苏锦钿, 欧阳志凡, 余珊珊. 基于依存树及距离注意力的句子属性情感分类[J]. 计算机研究与发展, 2019, 56(8): 1731-1745. CSTR: 32373.14.issn1000-1239.2019.20190102
shu
Su Jindian, Ouyang Zhifan, Yu Shanshan. Aspect-Level Sentiment Classification for Sentences Based on Dependency Tree and Distance Attention[J]. Journal of Computer Research and Development, 2019, 56(8): 1731-1745. CSTR: 32373.14.issn1000-1239.2019.20190102
Citation: Su Jindian, Ouyang Zhifan, Yu Shanshan. Aspect-Level Sentiment Classification for Sentences Based on Dependency Tree and Distance Attention[J]. Journal of Computer Research and Development, 2019, 56(8): 1731-1745. CSTR: 32373.14.issn1000-1239.2019.20190102
shu

基于依存树及距离注意力的句子属性情感分类

  • 1(华南理工大学计算机科学与工程学院 广州 510640)

  • 2(广东药科大学医药信息工程学院 广州 510006) (sujd@scut.edu.cn)

基金项目: 广东省自然科学基金项目(2015A030310318)；广东省科技厅应用型科技研发专项资金项目(20168010124010)；广东省医学科学技术研究基金项目(A2015065)
详细信息

  • 中图分类号: TP183

Aspect-Level Sentiment Classification for Sentences Based on Dependency Tree and Distance Attention

  • 1(College of Computer Science and Engineering, South China University of Technology, Guangzhou 510640)

  • 2(College of Medical Information Engineering, Guangdong Pharmaceutical University, Guangzhou 510006)

摘要

    摘要
  • 摘要: 目前基于注意力机制的句子属性情感分类方法由于忽略句子中属性的上下文信息以及单词与属性间的距离特征，从而导致注意力机制难以学习到合适的注意力权重.针对该问题，提出一种基于依存树及距离注意力的句子属性情感分类模型(dependency tree and distance attention, DTDA).首先根据句子的依存树得到包含属性的依存子树，并利用双向GRU学习句子及属性的上下文特征表示；根据句子中单词和属性在依存树中的最短路径确定相应的语法距离及位置权重，同时结合相对距离构造包含语义信息和距离信息的句子特征表示，并进一步利用注意力机制生成属性相关的句子情感特征表示；最后，将句子的上下文信息与属性相关的情感特征表示合并后并通过softmax进行分类输出.实验结果表明：DTDA在国际语义评测SemEval2014的2个基准数据集Laptop和Restaurant上取得与目前最好方法相当的结果.当使用相关领域训练的词向量时，DTDA在Laptop上的精确率为77.01%，在Restaurant上的准确率为81.68%.
    Abstract: Current attention-based approaches for aspect-level sentiment classification usually neglect the contexts of aspects and the distance feature between words and aspects, which as a result make it difficult for attention mechanism to learn suitable attention weights. To address this problem, a dependency tree and distance attention-based model DTDA for aspect-level sentiment classification is proposed. Firstly, DTDA extracts dependency subtree (aspect sub-sentence) that contains the modification information of the aspect with the help of dependency tree of sentences, and then uses bidirectional GRU networks to learn the contexts of sentence and aspects. After that, the position weights are determined according to the syntactic distance between words and aspect along their path on the dependency tree, which are then further combined with relative distance to build sentence representations that contain semantic and distance information. The aspect-related sentiment feature representations are finally generated via attention mechanism and merged with sentence-related contexts, which are fed to a softmax layer for classification. Experimental results show that DTDA achieves comparable results with those current state-of-the-art methods on the two benchmark datasets of SemEval 2014, Laptop and Restaurant. When using word vectors pre-trained on domain-relative data, DTDA achieves the results with the precision of 77.01% on Laptop and 81.68% on Restaurant.
    • HTML全文
    • 参考文献(0)
    • 相关文章
    • 施引文献(39)

  • 期刊类型引用(25)

    1. 吴仁彪，张振驰，贾云飞，乔晗. 云平台下基于截止时间的自适应调度策略. 计算机应用. 2023(01): 176-184 . 百度学术
    2. 邹文仲，邓力源，张高峰，王凌梓，章金峰. 基于调度云平台通用分布式架构实践. 南方电网技术. 2023(09): 20-28 . 百度学术
    3. 许源佳，吴恒，杨晨，吴悦文，张文博，王焘. 面向状态可变数据流的集群调度综述. 计算机学报. 2022(05): 973-992 . 百度学术
    4. 陈旭辉，刘洋，张鸿，高鹏，许竹霞. Linux大规模集群应用管理模型的研究及实现. 电子设计工程. 2022(10): 17-21+26 . 百度学术
    5. 谢志强，周伟，杨静. 考虑层级调度次序的资源协同综合调度算法. 计算机集成制造系统. 2022(11): 3391-3402 . 百度学术
    6. 刘刚. 城市智慧社区安防管理系统研究. 哈尔滨职业技术学院学报. 2022(06): 120-122 . 百度学术
    7. 毛安琪，汤小春，丁朝，李战怀. 集中式集群资源调度框架的可扩展性优化. 计算机研究与发展. 2021(03): 497-512 . 本站查看
    8. 陈吉宁. 基于动态增容的政务大数据资源调度优化系统设计. 自动化技术与应用. 2021(04): 58-61+72 . 百度学术
    9. 赵杉. 云平台安全监控大数据集群调度容错控制仿真. 计算机仿真. 2021(07): 486-490 . 百度学术
    10. 赵全，汤小春，朱紫钰，毛安琪，李战怀. 大规模短时间任务的低延迟集群调度框架. 计算机应用. 2021(08): 2396-2405 . 百度学术
    11. 鲁小艳. 基于集群计算的高校艺术专业理论教学与实践模式. 科技风. 2021(33): 129-132 . 百度学术
    12. 王晓霞，孙德才. 大数据处理中MapReduce框架的Q-sample算法设计. 现代计算机. 2021(36): 44-48 . 百度学术
    13. 崔校郡. 新时期大数据分析与应用关键技术研究. 信息技术与信息化. 2020(01): 204-206 . 百度学术
    14. 顾东虎. Hadoop云平台下基于P-WAP的大数据聚类挖掘算法. 长春师范大学学报. 2020(10): 29-35 . 百度学术
    15. 姜一，刘菁，姚嵘. 基于智能感知的电力多元数据集群热点处理研究. 电子设计工程. 2020(21): 20-23+28 . 百度学术
    16. 罗兰溪，柯行思，宋凯. 基于云平台的电力大数据变化趋势预测. 信息技术. 2020(11): 60-65 . 百度学术
    17. 孙卫红，吕文新. 区域集群下板材订单配置模型及算法研究. 运筹与管理. 2020(12): 38-42+50 . 百度学术
    18. 庞慧，刘丽娟，周丽莉. 有效网络大数据流多任务传输调度方法. 计算机仿真. 2020(12): 391-395 . 百度学术
    19. 朱晔，姜志博，田浩，陶汉涛，吴大伟，张磊，何君. 电网雷电大数据采集系统研发. 高压电器. 2019(04): 160-168 . 百度学术
    20. 刘甜. 大数据时代下计算机软件技术的应用探索. 计算机产品与流通. 2019(06): 20 . 百度学术
    21. 邵必林，王莎莎. 基于负载预测的HDFS动态负载均衡改进算法. 探测与控制学报. 2019(02): 75-80 . 百度学术
    22. 李维虎，张顶山，崔慧明，周龙，朱志挺，谢挺. 数据中心网络coflow调度机制结构构建及仿真. 电子测量技术. 2019(10): 78-81 . 百度学术
    23. 黄高攀，何金陵，庄岭，张利. 面向应用检测任务的负载均衡算法研究. 计算技术与自动化. 2019(01): 71-76 . 百度学术
    24. 郜广兰，徐晶晶，任刚，朱命冬，张超. 面向高校科研人员的高性能集群计算科研平台建设研究. 河南机电高等专科学校学报. 2019(03): 4-7 . 百度学术
    25. 陈湉，林勇. 大数据分析背景下地震后紧急物流资源调度模型设计. 地震工程学报. 2018(06): 1343-1349 . 百度学术

    其他类型引用(14)

    • 资源附件(0)
计量
  • 文章访问数:  1614
  • HTML全文浏览量:  3
  • PDF下载量:  718
  • 被引次数: 39
出版历程
  • 发布日期:  2019-07-31

目录

摘要
HTML全文
    参考文献(0)
    相关文章
    施引文献(39)
    资源附件(0)

    /

    返回文章
    返回
    邮件订阅 RSS
    微信订阅号<br/>（实时资讯）

    微信订阅号
    （实时资讯）

    微信服务号<br/>（同步网站）

    微信服务号
    （同步网站）

    微信视频号<br/>（视频分享）

    微信视频号
    （视频分享）

    CCF<br/>（扫码入会）

    CCF
    （扫码入会）

    版权所有 © 《计算机研究与发展》编辑部

    本系统由北京仁和汇智信息技术有限公司开发  百度统计