一种知识正则化分层方法用于情感原因分析

情感原因分析旨在识别情感产生的原因，是情感分析领域的重要研究方向。近年来，已有多种神经网络模型被提出，但这些现有模型大多聚焦于局部文本信息的建模，忽视了语篇上下文和先验知识在人类文本理解中的关键作用。本文提出一种基于分层神经网络模型与基于知识的正则化方法，用于情感原因的提取，旨在融合语篇上下文信息，并利用情感词典和常识知识对模型参数进行约束。实验结果表明，所提出的方法在两种不同语言（中文与英文）的公开数据集上均取得了当前最优的性能，其F-measure指标相较于多个具有竞争力的基线模型至少提升了2.08%。