用于基于方面的情感分析的评论层次化模型
计算与语言
2016-09-12 v1 机器学习
摘要
近年来，从客户评论中进行意见挖掘已变得无处不在。然而，评论中的句子通常是独立分类的，尽管它们构成了评论论证结构的一部分。直观上，评论中的句子相互构建并详加阐述；因此，关于评论结构和句子上下文的知识应为每个句子的分类提供信息。我们通过使用层次化双向 LSTM 对评论中句子的相互依赖关系进行建模，在基于方面的情感分析任务中验证了这一假设。我们表明，该层次化模型优于两个非层次化基线，获得了与 state-of-the-art 相当的结果，并且在五个多语言、多领域数据集上优于 state-of-the-art，且无需任何手工特征或外部资源。
引用
@article{arxiv.1609.02745,
title = {A Hierarchical Model of Reviews for Aspect-based Sentiment Analysis},
author = {Sebastian Ruder and Parsa Ghaffari and John G. Breslin},
journal= {arXiv preprint arXiv:1609.02745},
year = {2016}
}
备注
To be published at EMNLP 2016, 7 pages