用神经网络做情感分类《Transformation Networks for Target-Oriented Sentiment Classification》_人脸情感分类任务英文

原文链接
本文发表于自然语言处理顶级会议 ACL 2018
项目源码链接

摘要

在情感分类任务中，人们关注的往往是一句话中所表露出情感的“最重要”的一部分，比如在美团上经常会有这种评价：“这家店的菜做的不错，但是服务特别差！”，而对于餐厅管理者来说，这条评论他们最关注的是“这家店服务特别差”这个部分，即整个句子对他们餐厅所表现出来的情感是“不满意”的，“这家店菜做的不错”就成了做情感分类任务中的“噪声”，会影响到算法判断出句子真正想要表现的情感，而以往的采用双向LSTM加上attention的做法不能很好的区分这种“噪声”，于是本文提出了一种新型的解决方案，来解决这个问题。

数据假定

假设咱们有一个句子$W=\lbrace w_1,w_2,...,w_n\rbrace$,其中$w_n$为句子中的第$n$个词语，我们假设我们想要关注的是句子的某一个部分（比如上文介绍的“这家店服务特别差”），那么我们就设这个部分为一个$target$（$target$是句子的一个子序列），可以表示为$W^T=\lbrace w_1^T,w_2^T,...,w_m^T\rbrace$，其中$w_m^T$为$target$的第$m$个词语，$target$的embedding可以表示为$X^T=\lbrace x_1^T,x_2^T,...,x_m^T\rbrace$，整个句子的embedding可以表示为$X=\lbrace x_1,x_2,...,x_m\rbrace$(注：embedding可以通俗的理解为将句子转换成了可以用数学表示的向量，方便送入神经网络进行计算)

---

情感分类任务建模

情感分类任务具体而言就是给定一个输入句子，判断它所包含的情感是“积极的”，还是“消极的”，还是“中立的”，本质上其实就是一个三分类任务，于是我们可以针对每一个句子标记一个label，即$y\in \lbrace P,N,O \rbrace$，（P代表positive，N代表negative，O代表neutral）

---

模型介绍

本文提出一种称为Tnet的模型，如下图所示：

图中最底层（红色部分）是一个双向LSTM，得到输入的词序列$X=\lbrace x_1,x_2,...,x_m\rbrace$对应的隐含状态输出$h^{(0)}=\lbrace h_1^{(0)},h_2^{(0)},...,h_m^{(0)}\rbrace$，
中间层包含$L$个CPT层，这个CPT结构就是本文的重中之重了。

CPT结构如图所示：

如图所示，它包含TST和LF/AS两个子结构：

---

我们先说TST
其最底层是一个双向LSTM，输入是$X^T=\lbrace x_1^T,x_2^T,...,x_m^T\rbrace$，即$target$的embedding，输出是其对应的隐含层状态。本文认为$target$对不同的上下文的关注度不同（句子中有些成分对$target$密切相关，有些成分与$target$基本无关），即我们的每一个$h_m^t$（$target$的隐含层状态输出）对每一个$h_i^{(l)}$（整个句子的隐含层状态输出）的关注度应该不同，那么我们就有：

$$r_i^T=\sum_{j=1}^m h_j^T*F(h_i^{(l)},h_j^T)$$
其中 $F(h_i^{(l)},h_j^T)$就是 $target$的第 $j$个词的隐含层状态对整个句子的第$i$个词的隐含层状态的关注度（注：其中 $(l)$代表在第 $(l)$个CPT层），其计算公式如下：

（注：上式本质上就是一个attention，虽然本文宣称没有做attention）
最后我们得到了 $r_i^T$，我们将其和 $h_i^{(l)}$给concat起来过一个全连接层得到输出送入第二个子结构LF/AS中，公式如下：

其中 $g()$为一个非线性激活函数， $W^T$为权重矩阵， $b^T$为biase

---

在来看LF/AS
由于在TST中我们的$target$又过了一遍双向LSTM，其输出肯定和整个句子过的双向LSTM的输出的分布不大相同，如果直接进行concat的话会导致从整个句子中学到的信息被大量的丢失，于是作者采用了两个独门秘笈来解决这个问题：

1. Lossless Forwarding
   具体而言，就是将第$(l)$个CPT层的输入$h_i^{(l)}$在该CPT层输出时再加回来，这样的话就不会损失掉其原有的信息了，公式如下：
   
   这样一层层传递下去，我们的每一层都会包含之前所有层的信息，如下图公式所示：
   

2. Adaptive Scaling
   具体而言，就是借鉴LSTM的思想，训练一个门结构，用来判断有哪些信息会传递到下一层，哪些可以丢弃。如下所示：
   
   
   其中$t_i^{(l)}$就是训练出来的门结构

---

得到了最后一层CPT的输出之后，我们将其送入一个卷积核大小为1的卷积层，然后再用max pool的方法提取特征，最后再接一个softmax层就得到了我们最终的输出了。