基于谱时域图神经网络的方面级情感分析
计算与语言
2022-02-15 v1 机器学习
摘要
方面级情感分析的目标是捕捉评论者针对不同方面的情感。然而，评论句子的复杂性、双重否定的出现以及不同领域中特定词语的用法，使得准确预测情感变得困难，总体上是一项具有挑战性的自然语言理解任务。尽管循环神经网络、注意力机制以及最近的图注意力模型较为流行，本文提出一种基于图傅里叶变换的网络，其特征在谱域中构建。虽然该方法在预测领域取得了相当大的成功，但此前尚未被探索用于任何自然语言处理任务。该方法依赖于从原始数据创建并学习底层图，从而利用邻接矩阵转换到图傅里叶域。随后，使用傅里叶变换切换到频率（谱）域以创建新特征。这些系列的变换在学习正确表示方面极为高效，我们发现我们的模型在 SemEval-2014 两个数据集（即“Laptop”和“Restaurants”领域）上均取得了最佳结果。我们所提出的模型在另外两个近期提出的电子商务领域数据集上也取得了有竞争力的结果。
引用
@article{arxiv.2202.06776,
title = {Aspect Based Sentiment Analysis Using Spectral Temporal Graph Neural Network},
author = {Abir Chakraborty},
journal= {arXiv preprint arXiv:2202.06776},
year = {2022}
}