银河官网智能计算与自然语言处理研究团队在Applied Sciences期刊发表最新学术研究成果

2019年8月17日，yh533388银河“智能计算与自然语言处理研究团队”在曾碧卿教授带领下，成功在《Applied Sciences》上发表最新研究成果论文，论文题目是《LCF: A Local Context Focus Mechanism for Aspect-Based Sentiment Classification》，论文作者包括：曾碧卿、计算机学院四位硕士研究生，分别是：杨恒、徐如阳、周武、韩旭丽。《Applied Sciences》是中科院分区表中确定的SCI三区学术期刊。

该论文主要针对方面级情感分析任务，提出了一种局部上下文专注机制，用以提升方面级情感分析任务的效果。

情感分析，又称为意见挖掘，是致力于从海量的互联网文本数据中，提取文本中蕴含的情感倾向，分析文本中潜在的各种价值，比如：从电子商务平台的商品评论文本中，提取出消费者对于某一产品或者商铺的情感极性（商品评价），以便其它消费者在购买商品时进行参考，或者提供进行数据分析时的数据基础。

方面级情感分析是一种细粒度的情感分析任务，也是自然语言处理的一个重要分支。当评论文本或者其他互联网文本中评价了两个或者以上对象时，方面级情感分析可以抽取出对具体对象的情感极性。

在商品评论或者服务评论等文本数据中，一般会针对多个评价对象做出评论，例如“这家餐馆的菜品很美味，但是服务员态度较差”。这条评论中的评价对象餐馆分别是菜品和其提供的服务，实际评论会比这个例子更为复杂。如何从评论中分别提取出相应的情感极性是一个比较困难的任务。

该论文提出一种局部上下文专注机制，尽可能地分割开不同评价对象与其评价词，降低了评价不同对象的情感词之间的相互干扰，从而提升方面级情感分类的准确性。

除此之外，该论文提出的深度学习模型，集成了自然语言处理领域的最新成果--自注意力机制（Self-Attention）和BERT预训练模型，刷新了方面级情感分析任务的正确率的记录，为更真实地达成方面级情感分析任务提出了一种全新的思路。

附：论文《LCF: A Local Context Focus Mechanism for Aspect-Based Sentiment Classification》的下载地址如下：

（1）https://www.mdpi.com/2076-3417/9/16/3389

（2）PDF Version下载: https://www.mdpi.com/2076-3417/9/16/3389/pdf

撰稿：杨恒

审稿：陈锦辉