导　　师： 蔡毅;唐新民

授予学位： 硕士

作　　者： ;

机构地区： 华南理工大学

摘　　要： 方面级情感分类任务是一种细粒度的情感分析任务，区别于情感分析判断整个句子或者文档的情感极性，它旨在判断给定方面词或者方面类别在句子中所表达的情感极性。针对给定方面词来说，由于同一个句子中可能包含多个方面词，并且这些方面词都拥有自己的观点或者情感极性，那么同一个句子中存在的其他观点会对给定方面词情感极性的判断造成影响，因此捕获给定方面词对应的观点非常重要。深度学习因为优秀的提取情感特征的能力在该任务上受到越来越多的青睐和关注。但是，目前许多模型在处理从提取出来的多个情感特征中选择正确的情感特征以达到选择正确的观点上仍然存在不足之处。　　相对位置信息、门机制和注意力机制是目前常用于深度学习模型中来选择正确情感特征的方法，本文分析了这三种方法的不足之处并且提出了一种改进方法。通过在句子的依存句法树上建模给定方面词与句子中词的依存关系，然后将这种依存关系融入到深度学习模型中来帮助选择正确的情感特征。更加具体地，首先提出了一种依存权重机制来定量地计算给定方面词与句子中所有词之间的依存关系;然后将这种依存权重机制分别合理地应用于卷积神经网络和循环神经网络中来处理方面级情感分类任务;并且在公开数据集上做了丰富的实验验证了这种方法的有效性，和当前的深度学习模型相比取得了较优的效果。

关 键 词： 自然语言处理 情感分类 依存句法解析树 卷积神经网络 循环神经网络

领　　域： [自动化与计算机技术—计算机应用技术] [自动化与计算机技术—计算机科学与技术]