DOER：用于方面词-极性协同提取的对偶交叉共享 RNN
计算与语言
2019-06-06 v1 机器学习
摘要
本文关注基于方面的情感分析的两个相关子任务，即方面词提取与方面情感分类，我们称之为方面词-极性协同提取。前一任务是从观点文档中提取产品或服务的方面，后一任务是识别文档中关于这些被提取方面的极性表达。大多数现有算法将它们作为两个独立任务逐一解决，或仅执行其中一个任务，这对实际应用而言可能较为复杂。本文将这两个任务视为两个序列标注问题，并提出一种新颖的对偶交叉共享循环神经网络框架（DOER）以同时生成输入句子的所有方面词-极性对。具体而言，DOER 包含一个对偶循环神经网络以提取各任务的表征，以及一个交叉共享单元以考虑它们之间的关联。实验结果表明，所提框架在三个基准数据集上优于当前最优基线。
引用
@article{arxiv.1906.01794,
title = {DOER: Dual Cross-Shared RNN for Aspect Term-Polarity Co-Extraction},
author = {Huaishao Luo and Tianrui Li and Bing Liu and Junbo Zhang},
journal= {arXiv preprint arXiv:1906.01794},
year = {2019}
}
备注
Accepted to ACL 2019