基于词典化领域本体与注意力神经模型的混合方法用于方面级情感分析

本研究聚焦于餐厅评论中的句子级方面情感分析。为此，提出了一种两阶段情感分析算法。在该方法中，首先采用词化领域本体（lexicalized domain ontology）进行情感预测，作为主算法；其次，以一种具有旋转注意力机制（rotatory attention mechanism）的神经网络（LCR-Rot）作为备用算法。此外，对备用算法引入两项改进：第一项改进调整了旋转注意力机制的执行顺序，形成LCR-Rot-inv；第二项改进则在旋转注意力机制上进行多次迭代，形成LCR-Rot-hop。基于SemEval-2015与SemEval-2016数据集的实验结果表明，该两阶段方法在性能上优于基线方法，尽管提升幅度较小。进一步分析发现，通过多次迭代运行旋转注意力机制的策略（LCR-Rot-hop）表现最佳。