我院智能计算与自然语言处理研究团队在Applied Sciences期刊发表最新学术研究成果
华南师范大学软件学院/新闻通知2019-08-25 17:20:26来源:华南师范大学评论:0点击:收藏本文
2019年8月17日,华南师范大学软件学院“智能计算与自然语言处理研究团队”在曾碧卿教授带领下,成功在《Applied Sciences》上发表最新研究成果论文,论文题目是《LCF: A Local Context Focus Mechanism for Aspect-Based Sentiment Classification》,论文作者包括:曾碧卿、计算机学院四位硕士研究生,分别是:杨恒、徐如阳、周武、韩旭丽。《Applied Sciences》是中科院分区表中确定的SCI三区学术期刊。
该论文主要针对方面级情感分析任务,提出了一种局部上下文专注机制,用以提升方面级情感分析任务的效果。
情感分析,又称为意见挖掘,是致力于从海量的互联网文本数据中,提取文本中蕴含的情感倾向,分析文本中潜在的各种价值,比如:从电子商务平台的商品评论文本中,提取出消费者对于某一产品或者商铺的情感极性(商品评价),以便其它消费者在购买商品时进行参考,或者提供进行数据分析时的数据基础。
方面级情感分析是一种细粒度的情感分析任务,也是自然语言处理的一个重要分支。当评论文本或者其他互联网文本中评价了两个或者以上对象时,方面级情感分析可以抽取出对具体对象的情感极性。
在商品评论或者服务评论等文本数据中,一般会针对多个评价对象做出评论,例如“这家餐馆的菜品很美味,但是服务员态度较差”。这条评论中的评价对象餐馆分别是菜品和其提供的服务,实际评论会比这个例子更为复杂。如何从评论中分别提取出相应的情感极性是一个比较困难的任务。
该论文提出一种局部上下文专注机制,尽可能地分割开不同评价对象与其评价词,降低了评价不同对象的情感词之间的相互干扰,从而提升方面级情感分类的准确性。
除此之外,该论文提出的深度学习模型,集成了自然语言处理领域的最新成果--自注意力机制(Self-Attention)和BERT预训练模型,刷新了方面级情感分析任务的正确率的记录,为更真实地达成方面级情感分析任务提出了一种全新的思路。
附:论文《LCF: A Local Context Focus Mechanism for Aspect-Based Sentiment Classification》的下载地址如下:
(1)https://www.mdpi.com/2076-3417/9/16/3389
(2)PDF Version下载: https://www.mdpi.com/2076-3417/9/16/3389/pdf
撰稿:杨恒
审稿:陈锦辉