تعلم من النطاق الهيكلي: تحسين التحليل الثنائي للنقطة من خلال الشبكات التلافيفية الهجينة

تحليل المشاعر على مستوى العنصر يهدف إلى تحديد اتجاه المشاعر تجاه هدف محدد في جملة ما. والتحدي الرئيسي في هذه المهمة يتمثل في نمذجة العلاقة الفعالة بين العناصر والمشاعر، بهدف استبعاد كلمات الرأي الضارة المرتبطة بعناصر غير ذات صلة. وقد اعتمدت معظم الجهود الحديثة على التقاط هذه العلاقات من خلال أزواج العنصر-المشاعر أو فترات الرأي، من منظور على مستوى الكلمة أو على مستوى العبارة. وبما أن العناصر والمشاعر تُشكّل علاقاتها الأساسية وفق الهيكل النحوي للجملة-العبارة-الجملة، فإن من المنطقي استغلال المعلومات النحوية الشاملة لتحسين عملية التعلّم. لذلك، نقدّم مفهوم "النطاق" (Scope)، والذي يُحدّد منطقة نصية هيكلية مرتبطة بعنصر معين. ولتمكين التعلّم المشترك بين النطاق الهيكلي وتوقع اتجاه المشاعر، نقترح شبكة ت.Convolutionية هجينة (HGCN) لدمج المعلومات المستمدة من شجرة التحليل التركيبي وشجرة التحليل الاعتمادي، واستكشاف الإمكانات الكامنة في ربط طريقتي التحليل النحوي لتعزيز التمثيل النصي. وتوحي النتائج التجريبية على أربع مجموعات بيانات عامة بأن نموذج HGCN لدينا يتفوق على أحدث النماذج القائمة في المجال.