要約
アスペクトレベルの感情分類は、文内の1つまたは複数のアスペクト用語に対する感情極性を区別することを目指しています。既存の手法は、主に同一文内の異なるアスペクトを独立してモデル化しており、異なるアスペクト間の感情依存関係を見落としています。しかし、我々は異なるアスペクト間のこのような依存情報が追加的な価値ある情報をもたらすことを発見しました。本論文では、グラフ畳み込みネットワーク（GCN）に基づく新しいアスペクトレベルの感情分類モデルを提案します。このモデルは、同一文内の多アスペクト間の感情依存関係を効果的に捉えることができます。まず、我々のモデルは双方向注意機構と位置エンコーディングを導入し、各アスペクトとそのコンテキスト単語との間でアスペクト固有表現をモデル化します。次に、注意機構上にGCNを使用して、同一文内の異なるアスペクト間の感情依存関係を捉えます。提案手法はSemEval 2014データセット上で評価されました。実験結果は、我々のモデルが最先端の方法を上回ることを示しています。また、GCNモジュールの有効性も評価する実験を行い、異なるアスペクト間の依存関係がアスペクトレベルの感情分類において非常に役立つことを確認しました。