用于文档级情感分析的带重思考机制的层次交互网络
计算与语言
2022-09-08 v4
摘要
文档级情感分析（DSA）由于语义关联模糊且情感信息复杂而更具挑战性。近期工作致力于利用文本摘要并取得了有前景的结果。然而，这些基于摘要的方法并未充分利用摘要，包括忽略了摘要与文档之间的内在交互。因此，它们限制了表示对文档中高度指示关键情感的主要要点的表达。本文中，我们研究如何为 DSA 有效生成具有显式主体模式和情感上下文的判别性表示。提出一种层次交互网络（HIN）以在多粒度上探索摘要与文档间的双向交互，并学习面向主体的文档表示用于情感分类。此外，我们设计了一种基于情感的重思考机制（SR），通过情感标签信息精炼 HIN，以学习更具情感感知的文档表示。我们在三个公开数据集上广泛评估了所提模型。实验结果一致证明了所提模型的有效性，并表明 HIN-SR 优于多种最先进的方法。
引用
@article{arxiv.2007.08445,
title = {Hierarchical Interaction Networks with Rethinking Mechanism for Document-level Sentiment Analysis},
author = {Lingwei Wei and Dou Hu and Wei Zhou and Xuehai Tang and Xiaodan Zhang and Xin Wang and Jizhong Han and Songlin Hu},
journal= {arXiv preprint arXiv:2007.08445},
year = {2022}
}
备注
17 pages, accepted by ECML-PKDD 2020