利用结构化表示与数据：一种用于客服对话中否定与情感分析的混合模型
计算与语言
2019-06-12 v1 人工智能
摘要
Twitter 客服交互近来已成为响应并吸引客户的有效平台。在本工作中，我们探究否定在客服交互中的作用，尤其应用于情感分析。我们定义了比现有通用评论数据更适用于对话数据的真实否定线索与辖域识别规则。利用来自成分句法树的语义知识与句法结构，我们提出一种辖域检测算法，其性能可与最先进的 BiLSTM 相媲美。我们进一步使用传统 SVM 与神经网络，在客服对话数据上考察否定辖域检测结果对情感预测任务的影响。我们提出一种基于反义词词典的否定处理方法，应用于 CNN-LSTM 组合模型进行情感分析。实验结果表明，该基于反义词的方法优于先前的基于词典与神经网络的方法。
引用
@article{arxiv.1906.04706,
title = {Using Structured Representation and Data: A Hybrid Model for Negation and Sentiment in Customer Service Conversations},
author = {Amita Misra and Mansurul Bhuiyan and Jalal Mahmud and Saurabh Tripathy},
journal= {arXiv preprint arXiv:1906.04706},
year = {2019}
}