基于邻近加权卷积网络的句法感知方面级情感分类
计算与语言
2019-09-24 v1
摘要
人们已广泛认同，长短期记忆（LSTM）网络结合注意力机制与记忆模块，有助于方面级情感分类。然而，现有方法主要依赖于对方面词与其上下文词语义相关性的建模，而在一定程度上忽略了它们在句子内的句法依赖关系。因此，这可能导致不理想的结果：方面词关注到描述其他方面词的上下文词。本文提出一种邻近加权卷积网络，以提供上下文的方面特定句法感知表示。具体而言，探讨了两种确定邻近权重的方式，即位置邻近与依赖邻近。该表示首先由双向 LSTM 架构抽象提取，并进一步通过邻近加权卷积增强。在 SemEval 2014 基准上的实验表明，与一系列最先进模型相比，我们所提方法有效。
引用
@article{arxiv.1909.10171,
title = {Syntax-Aware Aspect-Level Sentiment Classification with Proximity-Weighted Convolution Network},
author = {Chen Zhang and Qiuchi Li and Dawei Song},
journal= {arXiv preprint arXiv:1909.10171},
year = {2019}
}
备注
4 pages, 2 figures, SIGIR 2019 (Short)