基于注意力 LSTM-CRF 网络的方面特定观点表达抽取
计算与语言
2019-02-08 v1
摘要
观点短语抽取是细粒度情感分析的关键任务之一。虽然观点表达可以是通用的主观表达，但方面特定的观点表达在原句上下文中同时包含方面和观点表达。在本文中，我们将该任务形式化为词级序列标注的一个实例。当句子中存在多个方面时，观点短语边界的检测变得困难，且每个词的标签不仅依赖于周围词，也依赖于相关方面。我们提出了一种具有双向 LSTM（Bi-LSTM）和一种新颖注意力机制的神经网络架构。Bi-LSTM 层学习词间的各种序列模式，无需任何手工特征。注意力机制通过基于位置和内容的记忆，在句子中存在多个方面时捕捉上下文词对特定方面观点表达的重要性。最终层引入了条件随机场（CRF）模型，以显式建模输出标签间的依赖关系。在来自 Tripadvisor.com 的酒店数据集上的实验结果表明，我们的方法优于多个最先进的基线。
引用
@article{arxiv.1902.02709,
title = {Aspect Specific Opinion Expression Extraction using Attention based LSTM-CRF Network},
author = {Abhishek Laddha and Arjun Mukherjee},
journal= {arXiv preprint arXiv:1902.02709},
year = {2019}
}
备注
12 pages, Accepted paper in CICLing 2018