用于偏置产品评论分类的双记忆网络模型
计算与语言
2018-09-18 v1 人工智能
摘要
在产品评论的情感分析（SA）中，用户与产品信息均被证明是有用的。当前任务在统一模型中处理用户档案与产品信息，这可能无法有效学习用户与产品的显著特征。本工作中，我们提出双用户与产品记忆网络（DUPMN）模型，使用分离的存储网络来学习用户档案与产品评论。随后，两种表示被联合用于情感预测。使用分离模型旨在更有效地捕捉用户档案与产品信息。与最先进的统一预测模型相比，在三个基准数据集 IMDB、Yelp13 和 Yelp14 上的评估表明，我们的双学习模型分别带来 0.6%、1.2% 和 0.9% 的性能提升。按 p 值衡量，这些改进也被视为非常显著。
引用
@article{arxiv.1809.05807,
title = {Dual Memory Network Model for Biased Product Review Classification},
author = {Yunfei Long and Mingyu Ma and Qin Lu and Rong Xiang and Chu-Ren Huang},
journal= {arXiv preprint arXiv:1809.05807},
year = {2018}
}
备注
To appear in 2018 EMNLP 9th Workshop on Computational Approaches to Subjectivity, Sentiment and Social Media Analysis