基于旋转注意力的左-中-右分离神经网络用于方面级情感分析
计算与语言
2018-02-06 v1
摘要
近年来，深度学习技术在方面级情感分析中取得了成功。然而，仍有两个重要问题有待进一步研究：1）如何高效表示目标，尤其是当目标包含多个词时；2）如何利用目标与左/右上下文之间的交互来捕获其中最重要的词。本文提出一种称为左-中-右分离神经网络与旋转注意力（LCR-Rot）的方法，以更好地解决这两个问题。我们的方法有两个特点：1）它具有三个分离的 LSTM，即左、中、右 LSTM，分别对应评论的三个部分（左上下文、目标短语和右上下文）；2）它具有一种旋转注意力机制，对目标与左/右上下文之间的关系建模。target2context 注意力用于捕获左/右上下文中最具指示性的情感词。随后，context2target 注意力用于捕获目标中最重要的词。这产生了目标的双向表示：左感知目标和右感知目标。我们在三个基准数据集上与最近提出的十种相关方法进行了比较。结果表明，我们的方法显著优于最先进的技术。
引用
@article{arxiv.1802.00892,
title = {Left-Center-Right Separated Neural Network for Aspect-based Sentiment Analysis with Rotatory Attention},
author = {Shiliang Zheng and Rui Xia},
journal= {arXiv preprint arXiv:1802.00892},
year = {2018}
}