Cai, Qianhua2024年最新论文:一种基于学习的双对比图卷积网络,具有语法标签增强功能,用于基于方面的情感分类
论论资讯 | 2024-04-29 |
26热度
Frontiers in Physics
Explore content
About the journal
Publish with us
A dual contrastive learning-based graph convolutional network with syntax label enhancement for aspect-based sentiment classification
Huang Y.; Dai A.; Cao S.; Kuang Q.; Zhao H.; Cai Q.
Published:2024-01-01
DOI:10.3389/fphy.2024.1336795
研究背景
近年来,随着社交媒体的普及和信息传播的迅速发展,人们对于情感分析的需求逐渐增加。然而,在当前的研究领域中,存在着一些问题,例如情感分类的粒度不够细致,无法准确把握句子中的情感倾向。这些问题促使学者们不断探索新的方法,以提高情感分类的准确性和效率。
研究内容
最近一篇发表在《Frontiers in Physics》期刊上的论文提出了一种基于双对比学习的图卷积网络,结合语法标签增强,用于方面级情感分类。该研究通过图神经网络整合句子的语法依赖关系,提出了一种新颖的架构。论文采用对比学习,设计了上下文编码器,集成了情感信息用于语义学习。此外,还建立了一个带有加权标签增强的句法图神经网络,同时利用了句法关系和句法依赖,优化了词之间的句法权重。通过生成词之间的句法三元组,发展了一种基于句法标签的对比学习方案,将三元组映射到统一的特征空间,用于学习句法信息。实验表明,这一模型在五个公开数据集上明显优于基线方法。
研究意义
这项研究的创新之处在于提出了一种有效的方法,能够在方面级情感分类任务中取得显著的效果。通过结合对比学习和语法标签增强,论文不仅提高了情感分类的准确性,还优化了对句子中句法关系的理解。这一研究对于提升情感分析的技术水平具有重要意义,为相关领域的研究和应用带来了新的启示。
希望这篇文章能帮助你更好地了解最新的学术研究成果,并启发你对情感分类领域的兴趣!
学术热榜
查看全部
相关资讯
换一批