NLP论文（情感分析）：《Aspect sentiment analysis based on gating convolutional network and attention weighting

NLP论文（情感分析）：《Aspect sentiment analysis based on gating convolutional network and attentionweighting mechanism》笔记论文介绍模型结构文章翻译AbstractV. Conclusion相关视频相关的笔记相关代码pytorchtensorflowkeraspytorch API:tensorf

电信保温杯

557人浏览 · 2022-01-09 13:24:14

电信保温杯 · 2022-01-09 13:24:14 发布

NLP论文（情感分析）：《Aspect sentiment analysis based on gating convolutional network and attention weighting mechanism》笔记

论文
介绍
模型结构
文章翻译
- Abstract
- V. Conclusion
相关视频
相关的笔记
相关代码
pytorch API:
tensorflow API

论文

NLP论文笔记合集（持续更新）

原论文：《Aspect sentiment analysis based on gating convolutional network and attention weighting mechanism》

介绍

2020年10月16日至19日会议发表的文章

模型结构

文章翻译

Abstract

aspect 情感分析是一种基于情感的细粒度文本分类。针对传统的 attention 机制不能有效地将上下文意义和信息结合起来，单级 attention 不能获得深层情感信息特征的问题，提出了一种具有 attention 权重的门控卷积网络模型。首先，word layer 采用双向长期和短期记忆网络建模，从不同方向获取上下文语义信息。同时，对不同位置的上下文词赋予不同的权重，然后通过卷积网络对句子进行门控。对各层进行建模以获取不同句子的重要性，最后使用softmax回归进行分类。2014年SEMEVAL中对餐厅DS和笔记本电脑DS的实验室研究结果表明，分类精度优于GCN的分类效果。

V. Conclusion

为了更好地收集领域词和文本的语义内容，本文提出了一种基于门控卷积和 attention 加权机制的 aspect 情感分析模型，该模型有效地利用了 aspect 词和上下文之间的相关性。通过LSTM和GCN对输入文本进行建模，在整个语义场景中增强了与对象相关的语义。实验室结果表明，我们的模型得到了显著的结果，并且优于所有基线模型。未来，我们将深入研究如何将大规模情感词典应用于神经网络。