用于情感分类的语言学正则化LSTM
计算与语言
2017-04-27 v2
摘要
情感理解在过去的几十年中一直是人工智能的长期目标。本文处理句子级情感分类。尽管最近提出了多种神经网络模型，然而先前的模型要么依赖于昂贵的短语级标注，当仅用句子级标注训练时性能大幅下降；要么没有充分利用语言资源（例如情感词典、否定词、程度词），因此无法产生语言上连贯的表示。在本文中，我们提出了用句子级标注训练的简单模型，但也试图通过采用正则化器来生成语言上连贯的表示，这些正则化器对情感词典、否定词和程度词的语言作用进行建模。结果表明，我们的模型能有效捕捉情感、否定和程度词的情感偏移效应，同时在不牺牲模型简洁性的情况下仍取得有竞争力的结果。
引用
@article{arxiv.1611.03949,
title = {Linguistically Regularized LSTMs for Sentiment Classification},
author = {Qiao Qian and Minlie Huang and Jinhao Lei and Xiaoyan Zhu},
journal= {arXiv preprint arXiv:1611.03949},
year = {2017}
}