基于深度记忆网络的方面级情感分类
计算与语言
2016-09-27 v2
摘要
我们介绍了一种用于方面级情感分类的深度记忆网络。与基于特征的SVM和诸如LSTM的序列神经模型不同，该方法在推断方面的情感极性时显式捕获每个上下文词的重要性。这种重要程度和文本表示通过多个计算层计算得出，每一层都是基于外部记忆的神经注意力模型。在笔记本电脑和餐厅数据集上的实验表明，我们的方法与最先进的基于特征的SVM系统性能相当，且大幅优于LSTM和基于注意力的LSTM架构。在这两个数据集上，我们均展示了多个计算层能够提升性能。此外，我们的方法也很快。具有9层的深度记忆网络在CPU实现下比LSTM快15倍。
引用
@article{arxiv.1605.08900,
title = {Aspect Level Sentiment Classification with Deep Memory Network},
author = {Duyu Tang and Bing Qin and Ting Liu},
journal= {arXiv preprint arXiv:1605.08900},
year = {2016}
}
备注
published in EMNLP 2016