Isomer:用于方面级情感分类的迁移增强双通道异质依赖注意力网络
计算与语言
2021-12-07 v1 人工智能
摘要
方面级情感分类旨在预测句子中特定方面的情感极性。然而,大多数现有方法试图将依赖关系构建为具有稀疏性与模糊性的同质依赖图,无法覆盖短文本的全面上下文特征,也未考虑任何额外节点类型或语义关系信息。为解决这些问题,我们提出一种名为 Isomer 的情感分析模型,该模型在融合外部知识的异质依赖图上执行双通道注意力,以有效整合其他附加信息。具体而言,Isomer 中设计了一种迁移增强双通道异质依赖注意力网络,利用异质依赖图对短文本建模。这些异质依赖图不仅考虑不同类型的信息,还融入外部知识。实验研究表明,我们的模型在基准数据集上优于近期模型。此外,结果表明我们的方法捕捉了各类信息特征的重要性,从而聚焦于信息丰富的上下文词语。
引用
@article{arxiv.2112.03011,
title = {Isomer: Transfer enhanced Dual-Channel Heterogeneous Dependency Attention Network for Aspect-based Sentiment Classification},
author = {Yukun Cao and Yijia Tang and Ziyue Wei and ChengKun Jin and Zeyu Miao and Yixin Fang and Haizhou Du and Feifei Xu},
journal= {arXiv preprint arXiv:2112.03011},
year = {2021}
}
备注
6 Pages, 2 Figures