Resumen

El objetivo del análisis de sentimiento a nivel de aspecto es identificar la polaridad del sentimiento de un término objetivo dado en oraciones. Los modelos de redes neuronales existentes proporcionan una explicación útil de cómo juzgar la polaridad. Sin embargo, la información relativa a la posición del contexto para los términos objetivo se ignora adversamente bajo la limitación de los conjuntos de datos de entrenamiento. Considerar las características de posición entre palabras en los modelos puede mejorar la precisión de la clasificación de sentimientos. Por lo tanto, este estudio propone un modelo de clasificación mejorado combinando una Unidad Recurrente Bidireccional con Compuertas (GRU) interactiva multilevel, mecanismos de atención y características de posición (MI-biGRU). En primer lugar, las características de posición de las palabras en una oración se inicializan para enriquecer la incrustación de palabras. En segundo lugar, el enfoque extrae las características de los términos objetivo y del contexto utilizando una red neuronal bidireccional interactiva multilevel bien construida. En tercer lugar, se introduce un mecanismo de

• Materias:Virus informático Entropía del gráfico Modelo epidémico Modelo de optimización Modelos conceptuales
• Subjects:Computer virus Entropy of the graph Epidemic model Optimization model Conceptual models
• Palabras claves:Análisis de sentimiento a nivel de aspecto; Modelos de redes neuronales; Características de posición; GRU bidireccional interactivo multinivel; Mecanismos de atención; Clasificación de sentimientos
• Keywords:Aspect-level sentiment analysis; Neural network models; Position features; Multilevel interactive bidirectional GRU; Attention mechanisms; Sentiment classification