#Paper Reading# Lifelong Learning for Sentiment Classification

论文题目：Lifelong Learning for Sentiment Classification
论文地址：http://www.aclweb.org/anthology/P/P15/P15-2.pdf#page=778

论文大体内容：
作者把Lifelong Learning的思想用到文本观点的二分类中，达到不错的效果。

1、本文使用的是改进型贝叶斯优化框架，主要解决以下几个问题：
①从以前的dataset中能获取到什么信息？
②知识的形式是怎样的？
③怎么生成知识？
④怎么使用知识来帮助后面的dataset学习？

2、作者提出Lifelong Learning System主要包括4个模块：
①从过往dataset中提取的内容(如word-pairs)；
②知识的存储；
③知识的挖掘；
④使用知识完成迁移学习；

3、本文contributions：对于观点分类问题，作者提出LSC(Lifelong Sentiment Classification)框架，并改进贝叶斯框架，以达到更好的分类效果。

4、贝叶斯概率如下：

5、优化方程如下：

6、求导后结果如下：

7、使用知识的时候，作者也考虑到使用term的文档频率来定义这个term的可靠度。

8、dataset：亚马逊商品评论20个产品，每个1000篇评论。
baseline：naive bayes，SVM，CLF[1]。

9、最后实验的效果相比baseline都不错，而且作者发现该LSC框架的分类效果随着以前的dataset的数据量增多而提升。所以lifelong的效果体现出来了。

参考资料：
[1]、http://dl.acm.org/citation.cfm?id=1557765

以上均为个人见解，因本人水平有限，如发现有所错漏，敬请指出，谢谢！