64.
目前多标签文本分类研究已经整合了标签信息, 但在情感分析领域, 现有方法常忽略了基于情感本身强度和极性的标签相关性, 这些相关性对于精确分类至关重要. 为了解决这些问题, 本文提出了多标签交互和情感图感知的MGE-BERT模型. 该模型首先通过情感强度关联和情感层次关联对情感标签进行优先排序, 然后将排序后的标签与文本数据结合, 作为输入导入BERT模型. 在此过程中, 采用了句法分析技术和情感词典, 通过独特的构图方法构建了复杂的依赖图和情感图. 为了进一步增强标签信息与文本特征的深度融合, 本文将BERT模型的输出作为图卷积网络 (GCN)的输入, 使其能够更精确地捕捉并传递节点间的上下文关系. 实验结果表明, 在SemEval2018 Task-1C数据集和GoEmotions数据集上进行的实验中, 本文提出的MGE-BERT模型相比于最先进的模型,
Macro-F1得分分别提高了1.6%和2.0%.… …
相似文献