目标:对文本进行情感分析,并将其分为正面和负面
模型结构:
--> Embedding layer
--> BiLSTM
--> GCN
--> GloableAveragePooling
--> Softmax
方法:
- 将依存句法分析构建的依存图作为邻接矩阵
- 利用BiLSTM编码后的特征作为节点特征
- 将邻接矩阵和节点特征作为GCN的输入,之后进行情感分类
结果:
Precision (%) | Recall (%) | F1 (%) |
---|---|---|
91.337 | 91.290 | 91.303 |
代码:
https://github.com/Captain-F/BiLSTM-GCN-for-Sentiment-Analysis