2021年4月22日，由研究组博士生梁斌和硕士生苏航牵头撰写的论文“Aspect-Based Sentiment Analysis via Affective Knowledge Enhanced Graph Convolutional Networks”获《Knowledge-based Systems》期刊录用。

目前的方面级情感分析（Aspect-Based Sentiment Analysis，ABSA）工作通常只关注如何从上下文信息中挖掘和特定目标高度相关联的情感信息，但缺乏提取特定方面在上下文中和上下文词语的情感依存关系的能力。本文基于公开的常识知识库（SenticNet）提出了一种情感知识增强图卷积网络（Graph Convolutional Networks, GCN）用于改进方面级情感分析。具体地，本文首先基于依存关系树（Dependency Tree）对句子构建依存关系图，从中学习句子的句法信息。随后，本文基于一个SenticNet，提取上下文中的情感词。基于上下文情感词和特定方面之间的相对位置信息，对上下文依存关系图进行优化，赋予针对特定方面的上下文情感依存信息，从而得到情感依存关系图。基于该情感依赖关系图，本文使用一个GCN网络，针对特定方面学习其在上下文中的情感信息，得到情感预测结果。在四个基准数据集上的实验结果表明，本文提出的模型效果优于现有的方面级情感分析方法。

论文信息：

Bin Liang, Hang Su, Lin Gui, Erik Cambria and Ruifeng Xu*. Aspect-Based Sentiment Analysis via Affective Knowledge Enhanced Graph Convolutional Networks, Knowledge-based Systems (KBS).