当前位置:   article > 正文

NLP论文(情感分析):《Aspect sentiment analysis based on gating convolutional network and attention weighting_自然语言处理的情感分析论文

自然语言处理的情感分析论文

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

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。

相关视频

相关的笔记

相关代码

pytorch

tensorflow

keras

pytorch API:

tensorflow API

声明:本文内容由网友自发贡献,不代表【wpsshop博客】立场,版权归原作者所有,本站不承担相应法律责任。如您发现有侵权的内容,请联系我们。转载请注明出处:https://www.wpsshop.cn/w/代码探险家/article/detail/836468
推荐阅读
相关标签
  

闽ICP备14008679号