Метод аналізу емоційного забарвлення текстів за допомогою графових згорткових нейронних мереж

Анотація

У роботі досліджено графові згорткові нейронні мережі, як перспективний напрямок аналізу емоційного забарвлення текстів. Детально описано конструкції емоцій, їх природу та сутність. Зазначено основні способи класифікації емоцій такі як бінарна класифікація емоцій, класифікація емоцій з кількома мітками та багатокласова класифікація емоцій. Окреслено принцип формування нейронних мереж графів та наголошено, що моделі  побудовані на графових нейронних мережах зазвичай не враховують семантичне значення тексту, що стосується значення, визначеного відношеннями між словами в реченні, що є важливим для класифікації емоцій тексту, що аналізується. Відокремлено поняття семантичного та синтаксичного аналізу тексту, описано підходи до реалізації. Наголошено, що семантичне представлення відображає зміст тексту в досить структурованій формі з виділенням різних представлень: представлення абстрактного значення, універсальна концептуальна когнітивна анотація, дволексичні семантичні залежності та універсальна декомпозиційна семантика. Зазначається, що модель синтаксичного аналізатора являє собою семантичний аналізатор на основі графів, який вирішує проблему синтаксичного аналізу конституентів. Охарактеризовано рівні моделі та наведено принцип роботи. Математично представлено ациклічний орієнтовний граф системи аналізу емоційного забарвлення тексту, описано матрицю ознак та матрицю суміжності. Наведено модель нейронної мережі, яка працює з графоструктурованими даними, яка складається з трьох основних шарів. Запропоновано підхід до навчання такої нейронної мережі. Наголошено, що модель використовує конкатенацію вбудованих слів і синтаксичних вбудованих елементів у якості вхідних даних. Як результат отримано згорткову нейронну мережу для аналізу емоційного забарвлення текстів та проаналізовано її характеристики порівняно з іншими типами нейронних мереж. Зроблено висновок, що хоча й точність розробленого методу є досить високою, інші архітектури нейронних мереж краще підходять для задачі сентимент аналізу.