基于细粒度信息交互注意力的情绪分类方法

现有细粒度分析方法未能充分利用细粒度情绪信息来增强上下文与评价目标间的语义关联性，且对多词构成的评价目标仅平均化处理，损失了词间内容与关系信息，导致分类不精准。针对上述问题，本文提出了一种基于细粒度信息交互注意力（interactive attention with fine-grained information,FGIA）的情绪分类方法，通过采用更加细粒度的注意力机制来实现评价目标与上下文之间的充分交互，同时得到目标对上下文以及上下文对目标的交互注意力表示，进而辅助完成情绪分类。在本文构建的COVID-19网络舆情中文数据集上进行了实验验证，结果表明，FGIA能够有效地提升网络舆情数据情绪分类的准确性，相比于主流的分类方法，在各项评价指标上均取得了较高的提升。