面向情感分类的冷启动感知用户与产品注意力机制
计算与语言
2018-06-15 v1
摘要
在情感分析中使用用户/产品信息十分重要，尤其是对于评论数量非常有限的冷启动用户/产品。然而，当前的模型并未处理评论网站中典型的冷启动问题。本文提出混合上下文情感分类器（HCSC），其包含两个模块：（1）快速词编码器，返回嵌入了短程与长程依赖特征的词向量；（2）冷启动感知注意力（CSAA），一种在注意力池化编码词向量时考虑冷启动问题存在的注意力机制。HCSC 引入了由相似用户/产品构建的共享向量，并在原始独立向量信息不足（即冷启动）时使用这些共享向量。这由一个频率引导的选择性门控向量决定。我们的实验表明，在 RMSE 方面，HCSC 与著名数据集上的模型相比表现显著更优，尽管其复杂度更低，因此训练速度更快。更重要的是，当训练数据稀疏且存在冷启动问题时，我们的模型表现显著优于先前的模型。
引用
@article{arxiv.1806.05507,
title = {Cold-Start Aware User and Product Attention for Sentiment Classification},
author = {Reinald Kim Amplayo and Jihyeok Kim and Sua Sung and Seung-won Hwang},
journal= {arXiv preprint arXiv:1806.05507},
year = {2018}
}
备注
ACL 2018