ATP：一种融合整体注意力以增强方面级情感分析的方法
计算与语言
2022-08-05 v1
摘要
方面级情感分析（ABSA）旨在识别评论句子针对给定方面的情感极性。RNN、LSTM、GRU 等深度学习序列模型是当前推断情感极性的最优方法。这些方法能较好地捕捉评论句子中词之间的上下文关系，但在捕捉长期依赖方面表现不足。注意力机制通过仅聚焦于句子中最关键的部分而发挥重要作用。在 ABSA 中，方面位置起着至关重要的作用：在判定针对方面的情感时，靠近方面的词贡献更大。因此，我们提出一种利用依存解析树捕捉基于位置的信息并辅助注意力机制的方法。相较于简单的基于词距的位置信息，此类位置信息提升了深度学习模型的性能。我们在 SemEval'14 数据集上进行了实验，以验证基于依存解析关系的注意力对 ABSA 的效果。
引用
@article{arxiv.2208.02653,
title = {ATP: A holistic attention integrated approach to enhance ABSA},
author = {Ashish Kumar and Vasundhra Dahiya and Aditi Sharan},
journal= {arXiv preprint arXiv:2208.02653},
year = {2022}
}