用于方面级情感分类的注意力迁移网络
计算与语言
2020-10-26 v1
摘要
方面级情感分类（ASC）旨在检测句子中给定观点目标的情感极性。在基于神经网络的 ASC 方法中，多数工作采用注意力机制来捕获观点目标对应的情感词，然后将其聚合并作为推断目标情感的证据。然而，由于标注的复杂性，方面级数据集都相对小规模。数据稀缺导致注意力机制有时无法聚焦于目标对应的情感词，最终削弱了神经模型的性能。为解决该问题，本文提出一种新颖的注意力迁移网络（ATN），其能够成功利用来自资源丰富的文档级情感分类数据集的注意力知识，以提升方面级情感分类任务的注意力能力。在 ATN 模型中，我们设计了两种不同的注意力知识迁移方法，并在两个 ASC 基准数据集上进行了实验。大量实验结果表明，我们的方法持续优于最先进的工作。进一步分析也验证了 ATN 的有效性。
引用
@article{arxiv.2010.12156,
title = {Attention Transfer Network for Aspect-level Sentiment Classification},
author = {Fei Zhao and Zhen Wu and Xinyu Dai},
journal= {arXiv preprint arXiv:2010.12156},
year = {2020}
}
备注
Accept to COLING 2020