基于隐式情感-方面归因的多方面情感分析
计算与语言
2020-12-16 v1 机器学习
摘要
在本文中，我们引入了一个称为情感-方面归因模块（SAAM）的新框架。SAAM构建于传统神经网络之上，旨在解决多方面情感分类与情感回归问题。该框架通过利用句子级嵌入特征与文档级方面评分变化之间的相关性来工作。我们在基于CNN和RNN的模型上展示了我们框架的若干变体。在酒店评论数据集和啤酒评论数据集上的实验表明，SAAM能够比相应的基础模型提升情感分析性能。此外，由于我们的框架以直观的方式将句子级评分组合为文档级评分，它能够提供对数据的更深入洞察（例如，半监督句子方面标注）。因此，我们在文末给出了详细分析，展示了我们的模型在其他应用（如情感片段提取）中的潜力。
引用
@article{arxiv.2012.08407,
title = {Multi-Aspect Sentiment Analysis with Latent Sentiment-Aspect Attribution},
author = {Yifan Zhang and Fan Yang and Marjan Hosseinia and Arjun Mukherjee},
journal= {arXiv preprint arXiv:2012.08407},
year = {2020}
}
备注
8 pages, published in The 2020 IEEE/WIC/ACM International Joint Conference on Web Intelligence and Intelligent Agent Technology (WI-IAT 2020)