融合多粒度特征和多层次融合网络的方面级情感分析方法

本发明公开了融合多粒度特征和多层次融合网络的方面级情感分析方法，该方法首先通过RoBERTa预训练模型获取文本的上下文特征和方面词，并将其转换为词向量表示；接着利用图卷积神经网络(GCN)结合成分依赖树和结构树，引入外部知识，提取文本的成分结构、依赖关系、背景知识和上下文情感特征。随后，设计多层次融合过滤模块，通过交叉注意力机制和正交投影技术对特征进行过滤和精简。最终，使用Softmax函数预测文本的情感极性。本发明展示了在复杂自然语言处理任务中整合多种粒度信息特征的有效性，通过多种粒度特征和高效的特征融合技术的结合来提升ABSA模型的综合任务性能，能够提升方面级情感分析的准确性。