利用结构与语义对应进行面向属性的方面情感发现
计算与语言
2019-11-26 v1 机器学习
摘要
带有观点的文本常涉及诸如作者和地点等属性，这些属性影响针对不同方面表达的情感。我们假定结构与语义对应在有观点的文本中（尤其当与属性相关联时）普遍存在，并且对于准确揭示其潜在的方面和情感结构至关重要。然而，现有方法并未认识到这一点。我们提出 Trait，一种从无标注文本中发现方面和情感并将其与不同属性关联的无监督概率模型。为此，Trait 利用马尔可夫随机场推断并借助结构与语义对应。我们通过实证表明，通过显式地纳入属性，Trait 显著优于最先进的基线方法，既生成符合我们直觉的属性画像（如通过可视化所示），又产生语义凝聚性更强的主题。
引用
@article{arxiv.1908.10970,
title = {Leveraging Structural and Semantic Correspondence for Attribute-Oriented Aspect Sentiment Discovery},
author = {Zhe Zhang and Munindar P. Singh},
journal= {arXiv preprint arXiv:1908.10970},
year = {2019}
}
备注
EMNLP 2019