面向无标签方面级情感分析：一种多重注意力网络方法
计算与语言
2020-03-24 v1 信息检索
摘要
现有的方面级情感分析(ABSA)方法利用各种神经网络模型，通过学习方面特定的特征表示来提取方面情感。然而，这些方法严重依赖根据用户评论按预定义方面进行人工标注作为输入，这是一个费力且耗时的过程。此外，底层方法并未解释用户评论中对立的方面级极性如何以及为何导致整体极性。在本文中，我们通过设计并实施一种新的多重注意力网络(MAN)方法来解决这两个问题，该方法使用直接从TripAdvisor({https://www.tripadvisor.com})爬取的两个新无标签数据集，无需方面标签即可实现更强大的ABSA。借助自注意力和位置感知注意力机制，MAN能够利用方面级和总体客户评分从文本评论中提取方面级和整体情感，并且还能通过一种新的方面排序方案检测出导致整体情感极性的关键方面。我们进行了大量实验，通过案例研究中对注意力权重的可视化与解释，证明了MAN相较于其他最先进ABSA方法的强劲性能以及我们方法的可解释性。
引用
@article{arxiv.2003.09986,
title = {Toward Tag-free Aspect Based Sentiment Analysis: A Multiple Attention Network Approach},
author = {Yao Qiang and Xin Li and Dongxiao Zhu},
journal= {arXiv preprint arXiv:2003.09986},
year = {2020}
}
备注
to appear in the proceedings of IJCNN'20