类人决策：基于分层强化学习的文档级方面情感分类
计算与语言
2019-10-22 v1 人工智能
摘要
近来，神经网络在文档级方面情感分类（DASC）上展现出有前景的结果。然而，这些方法常对其内部工作机制缺乏透明度且可解释性不足。本文为模拟人类分析文档中方面情感的步骤，提出一种用于DASC的新分层强化学习（HRL）方法。该方法结合子句选择与词选择策略以应对DASC任务中的数据噪声问题。首先，提出高层策略以选择方面相关子句并丢弃噪声子句。然后，提出低层策略以在所选子句内选择情感相关词并丢弃噪声词。最后，设计情感评分预测器以提供奖励信号来引导子句与词的选择。实验结果表明，相较SOTA基线，所提DASC方法具有令人印象深刻的效力。
引用
@article{arxiv.1910.09260,
title = {Human-Like Decision Making: Document-level Aspect Sentiment Classification via Hierarchical Reinforcement Learning},
author = {Jingjing Wang and Changlong Sun and Shoushan Li and Jiancheng Wang and Luo Si and Min Zhang and Xiaozhong Liu and Guodong Zhou},
journal= {arXiv preprint arXiv:1910.09260},
year = {2019}
}