更早关注？面向方面级情感分析的方面感知LSTM
计算与语言
2019-07-09 v2
摘要
方面级情感分析（ABSA）旨在针对给定的方面词或方面类别预测评论的细粒度情感。在以往的ABSA方法中，方面的重要性已被认识并验证。大多数现有的基于LSTM的模型通过注意力机制考虑方面，其中注意力权重是在上下文以上下文向量的形式被建模之后计算的。然而，在上下文建模过程中，经典LSTM单元中可能已经丢弃了方面相关信息，并保留了与方面无关的信息，这可加以改进以生成更有效的上下文表示。本文提出一种LSTM的新变体，称为方面感知LSTM（AA-LSTM），其在注意力机制之前的上下文建模阶段将方面信息融入LSTM单元中。因此，我们的AA-LSTM能够动态生成方面感知的上下文表示。我们通过用AA-LSTM单元替换经典LSTM单元，对几种具有代表性的基于LSTM的模型进行了实验。在SemEval-2014数据集上的实验结果证明了AA-LSTM的有效性。
引用
@article{arxiv.1905.07719,
title = {Earlier Attention? Aspect-Aware LSTM for Aspect-Based Sentiment Analysis},
author = {Bowen Xing and Lejian Liao and Dandan Song and Jingang Wang and Fuzheng Zhang and Zhongyuan Wang and Heyan Huang},
journal= {arXiv preprint arXiv:1905.07719},
year = {2019}
}
备注
accepted by IJCAI 2019