基于不一致损失的评论摘要与情感分类统一双视角模型
计算与语言
2021-02-03 v2
摘要
从用户评论中获取准确的摘要和情感是现代电子商务平台的重要组成部分。评论摘要旨在生成简洁的摘要，描述评论的关键观点和情感；而情感分类旨在预测指示评论情感态度的情感标签。为有效利用评论摘要与情感分类两项任务中共享的情感信息，我们提出了一种新颖的双视角模型，联合提升这两个任务的性能。在我们的模型中，编码器首先学习评论的上下文表示，然后摘要解码器逐词生成评论摘要。此后，源视角情感分类器使用编码的上下文表示预测评论的情感标签，而摘要视角情感分类器使用解码器隐藏状态预测生成摘要的情感标签。在训练过程中，我们引入不一致损失来惩罚这两个分类器之间的不一致。它帮助解码器生成与评论具有一致情感倾向的摘要，并帮助两个情感分类器相互学习。在来自不同领域的四个真实数据集上的实验结果证明了我们模型的有效性。
引用
@article{arxiv.2006.01592,
title = {A Unified Dual-view Model for Review Summarization and Sentiment Classification with Inconsistency Loss},
author = {Hou Pong Chan and Wang Chen and Irwin King},
journal= {arXiv preprint arXiv:2006.01592},
year = {2021}
}
备注
Accepted by SIGIR 2020. Updated the results of balanced accuracy scores in Table 3 since we found a bug in our source code. Nevertheless, our model still achieves higher balanced accuracy scores than the baselines after we fixed this bug