论文

NLP论文笔记合集（持续更新）

原论文：《Aspect-Based Sentiment Classification Using Interactive Gated Convolutional Network》

介绍

2020年01月28日发表的文章

模型结构

文章翻译

Abstract

Aspect-based 情感分类旨在检测目标在给定上下文中的情感极性。以前的大多数方法使用长短期记忆（LSTM）和 attention 机制来预测目标的情绪极性，这通常是复杂的，需要更多的训练时间。以前的一些方法是基于卷积神经网络（CNN）和门控机制的，由于训练过程中的并行计算，这些方法比LSTM简单、高效、收敛时间短。然而，这种基于CNN的网络忽略了对使用特定于上下文的表示的目标进行单独的建模。在本文中，我们提出了一种新的交互式门控卷积网络（interactive gated convolutional network，IGCN），它使用双向门控机制来学习目标和对应的评论上下文之间的相互关系。IGCN还使用上下文中的单词相对于给定目标的位置信息、词性标记和领域特定 word embedding 来预测目标的情感。SemEval 2014数据集上的实验结果表明了我们提出的IGCN模型的有效性。

VIII. CONCLUSION

在本文中，我们提出了一种高效的交互式门控卷积神经网络（IGCN）用于 aspect-based 的情感分类。IGCN的主要思想是使用两个门控卷积网络，通过探索相互关联，以交互方式对目标和上下文进行建模。IGCN还使用位置 embedding、POS embedding 和领域特定词 embedding 来生成目标及其上下文的有效表示。案例研究表明，IGCN能够根据目标词和上下文的相对重要性，有效地为其分配适当的权重。SemEval 2014数据集的实验结果表明，IGCN优于各种基线模型。

相关视频

相关的笔记

相关代码

pytorch

tensorflow

keras

pytorch API:

tensorflow API