0. 写在前面
五一假期最后一天…太阳超棒…
1. Multi-grained Attention Network for Aspect-Level Sentiment Classification
EMNLP 2018的一篇论文，作者分析了先前提出的ABSA任务模型的不足：
- 使用的attention mechanism都是属于粗粒度的（简单地求和操作），如果对于target word和context都很长的话会引入额外的损失；
- 另外，先前的工作都是将aspect和context视作是单独的instance进行训练，没有考虑到具有相同上下文的instance之间的关联，而这些关联很有可能会带有额外的信息。
于是提出了一种解决ABSA问题的多粒度注意力网络（Multi-grained Attention Network， MGAN），主要的改进有：
- 细粒度注意力机制（fine-grained attention mechanism）： 单词级别（word-level）的target和context之间的交互，可以减少粗粒度attention的损失；
- 多粒度注意力机制 （multi-grained attention network）： 粗粒度attention和细粒度attention结合；
- aspect alignment loss： 在目标函数中加入aspect alignment loss，以增强context相同而情感极性不同的aspect对context权重学习的差异性。
模型如下，可以分为四个部分：
- Input embedding layer
- contextual layer
- multi-grained attention layer
- output layer
Input Embedding Layer
输入embedding层，使用的是预训练好的Glove，获得定长的aspect和context向量表示。
Contextual Layer
将上一步获得的aspect和context向量矩阵送入双向LSTM网络来捕获输入中词与词之间的关联，得到一个sentence contextual output
H
∈
R
2
d
∗
N
H \in \mathbb{R}^{2 d * N}
H∈R2d∗N和aspect contextual output
Q
∈
R
2
d
∗
M
Q \in \mathbb{R}^{2 d * M}
Q∈R2d∗M。然后这里就可以把这两个矩阵进行交互了，但是作者又另外考虑了在上下文中与aspect word距离不同的word应该有不同的权重，引入了position encoding mechanism：context中与aspect相距为l的单词的权重
w
j
w_{j}
wj为：
w
t
=
1
−
l
N
−
M
+
1
w_{t}=1-\frac{l}{N-M+1}
wt=1−N−M+1l
注意，aspect中的词的权重设置为0。 于是最终得到的优化后的sentence contextual output
H
∈
R
2
d
∗
N
H \in \mathbb{R}^{2 d * N}
H∈R2d∗N为
H
=
[
H
1
∗
w
1
,
⋯
,
H
N
∗
w
N
]
H = \left[H_{1} * w_{1}, \cdots, H_{N} * w_{N}\right]
H=[H1∗w1,⋯,HN∗wN]
Multi-grained Attention Layer
前面的部分可以说跟之前的工作大同小异，重点在于接下来的多粒度注意力层。
（1）Coarse-grained Attention
粗粒度attention的话跟之前的attention是一样的，
- C-Aspect2Context：对aspect矩阵Q进行求平均pool得到一个向量表示，将其与context矩阵H交互做attention， s c a ( Q a v g , H i ) = Q a v g ∗ W c a ∗ H i s_{c a}\left(Q_{a v g}, H_{i}\right)=Q_{a v g} * W_{c a} * H_{i} sca(Qavg,Hi)=Qavg∗Wca∗Hi a i c a = exp ( s c a ( Q a v g , H i ) ) ∑ k = 1 N exp ( s c a ( Q a v g , H k ) ) a_{i}^{c a}=\frac{\exp \left(s_{c a}\left(Q_{a v g}, H_{i}\right)\right)}{\sum_{k=1}^{N} \exp \left(s_{c a}\left(Q_{a v g}, H_{k}\right)\right)} aica=∑k=1Nexp(sca(Qavg,Hk))exp(sca(Qavg,Hi)) m c a = ∑ i = 1 N a i c a ⋅ H i m^{c a}=\sum_{i=1}^{N} a_{i}^{c a} \cdot H_{i} mca=i=1∑Naica⋅Hi
- C-Context2Aspect：这一步是跟C-Aspect2Context对称的
s c c ( H a v g , Q i ) = H a v g ∗ W c c ∗ Q i s_{c c}\left(H_{a v g}, Q_{i}\right)=H_{a v g} * W_{c c} * Q_{i} scc(Havg,Qi)=Havg∗Wcc∗Qi a i c c = exp ( s c c ( H a v g , Q i ) ) ∑ k = 1 M exp ( s c c ( H a v g , Q k ) ) a_{i}^{c c}=\frac{\exp \left(s_{c c}\left(H_{a v g}, Q_{i}\right)\right)}{\sum_{k=1}^{M} \exp \left(s_{c c}\left(H_{a v g}, Q_{k}\right)\right)} aicc=∑k=1Mexp(scc(Havg,Qk))exp(scc(Havg,Qi)) m c c = ∑ i = 1 M a i c c ⋅ Q i m^{c c}=\sum_{i=1}^{M} a_{i}^{c c} \cdot Q_{i} mcc=i=1∑Maicc⋅Qi
（2）Fine-grained Attention
细粒度attention的目的是刻画aspect对context或者context对aspect词与词之间的影响关系。首先定义H和Q元素之间的相似矩阵U，注意U的形状为[N * M]，U中每个元素
U
i
j
U_{ij}
Uij表示context中的第i个单词和aspect中的第j个单词之间的相似度，
U
i
j
=
W
u
(
[
H
i
;
Q
j
;
H
i
∗
Q
j
]
)
U_{i j}=W_{u}\left(\left[H_{i} ; Q_{j} ; H_{i} * Q_{j}\right]\right)
Uij=Wu([Hi;Qj;Hi∗Qj])
- F-Aspect2Context刻画的是对于每一个aspect word，context对其的影响程度。首先求出矩阵U中每一行最大的值，然后对其归一化操作得到和为一的权重分布后加权求和得到新的H表示
s i f a = max ( U i , : ) s_{i}^{f a}=\max \left(U_{i, :}\right) sifa=max(Ui,:) a i f a = exp ( s i f a ) ∑ k = 1 N exp ( s k f a ) a_{i}^{f a}=\frac{\exp \left(s_{i}^{f a}\right)}{\sum_{k=1}^{N} \exp \left(s_{k}^{f a}\right)} aifa=∑k=1Nexp(skfa)exp(sifa) m f a = ∑ i = 1 N a i f a ⋅ H i m^{f a}=\sum_{i=1}^{N} a_{i}^{f a} \cdot H_{i} mfa=i=1∑Naifa⋅Hi - F-Context2Aspect刻画的是对于每一个context word，aspect对其的影响程度。首先对U中每一行做归一化操作，得到N个和为1 的权重表示，然后用N个长为M的向量去和矩阵M逐元素加权求和，最后将这N个新的表示相加取平均，得到aspect最后的细粒度表示。 a i j f c = exp ( U i j ) ∑ k = 1 M exp ( U i k ) a_{i j}^{f c}=\frac{\exp \left(U_{i j}\right)}{\sum_{k=1}^{M} \exp \left(U_{i k}\right)} aijfc=∑k=1Mexp(Uik)exp(Uij) q i f c = ∑ j = 1 M a i j f c ⋅ Q j q_{i}^{f c}=\sum_{j=1}^{M} a_{i j}^{f c} \cdot Q_{j} qifc=j=1∑Maijfc⋅Qj m f c = Pooling ( [ q 1 f c , ⋯ , q N f c ] ) m^{f c}=\operatorname{Pooling}\left(\left[q_{1}^{f c}, \cdots, q_{N}^{f c}\right]\right) mfc=Pooling([q1fc,⋯,qNfc])
Output Layer
在这一层将上述步骤得到的attention表示拼接起来，作为最终输入句子的向量表示并送入softmax层分析情感得分。
Loss Function
模型选用的损失函数为：
L
=
−
∑
i
=
1
C
y
i
log
(
p
i
)
+
β
L
a
l
i
g
n
+
λ
∥
Θ
∥
2
\mathcal{L}=-\sum_{i=1}^{C} y_{i} \log \left(p_{i}\right)+\beta \mathcal{L}_{a l i g n}+\lambda\|\Theta\|^{2}
L=−i=1∑Cyilog(pi)+βLalign+λ∥Θ∥2
其中第一项为交叉熵损失，第二项为单独设计的aspect alignment loss，第三项为正则化项。这里需要重点说一下aspect alignment loss。该损失作用于C-Aspect2Context attention部分，C-Aspect2Context attention是用于确定与特定的aspect相关性最高context中的单词。加上了这个损失，在训练过程中模型就会通过与其他aspect比较而更加关注对自己更重要的context word。举个栗子，在句子I like coming back to Mac OS but this laptop is lacking in speaker quality compared to my $400 old HP laptop中，通过与不同的aspect Mac OS相比，speaker quality应该更关注词语lacking，而更少关注like。
对于aspect列表中的任一对aspect
a
i
a_{i}
ai和
a
j
a_{j}
aj，首先求出它们对context中某一特定单词的attention权重差的平方，然后乘上
a
i
a_{i}
ai和
a
j
a_{j}
aj之间的距离
d
i
j
d_{ij}
dij：
d
i
j
=
σ
(
W
d
(
[
Q
i
;
Q
j
;
Q
i
∗
Q
j
]
)
d_{i j}=\sigma\left(W_{d}\left(\left[Q_{i} ; Q_{j} ; Q_{i} * Q_{j}\right]\right)\right.
dij=σ(Wd([Qi;Qj;Qi∗Qj])
L
align
=
−
∑
i
=
1
M
−
1
∑
j
=
i
+
1
,
y
i
≠
y
j
M
∑
k
=
1
N
d
i
j
⋅
(
a
i
k
c
a
−
a
j
k
c
a
)
2
\mathcal{L}_{\text {align}}=-\sum_{i=1}^{M-1} \sum_{j=i+1, y_{i} \neq y_{j}}^{M} \sum_{k=1}^{N} d_{i j} \cdot\left(a_{i k}^{c a}-a_{j k}^{c a}\right)^{2}
Lalign=−i=1∑M−1j=i+1,yi=yj∑Mk=1∑Ndij⋅(aikca−ajkca)2
试验分析
2.Aspect Level Sentiment Classification with Attention-over-Attention Neural Networks
这篇文章的思路好像跟上一篇很像，模型可以分为四个部分：
- word embedding
- Bi-LSTM
- Attention-over-Attention
- Final Classification
Attention-over-Attention（AOA）
定义长度为n的句子 s = [ w 1 , w 2 , … , w i , … , w j , … , w n ] s=\left[w_{1}, w_{2}, \dots, w_{i}, \dots, w_{j}, \dots, w_{n}\right] s=[w1,w2,…,wi,…,wj,…,wn]和长度为m的target t = [ w i , w i + 1 , … , w i + m − 1 ] t = \left[w_{i}, w_{i+1}, \dots, w_{i+m-1}\right] t=[wi,wi+1,…,wi+m−1]
- 经过双向LSTM得到的隐状态表示为矩阵 h s ∈ R n × 2 d h h_{s}\in R^{n \times 2 d_{h}} hs∈Rn×2dh, h t ∈ R m × 2 d h h_{t} \in R^{m \times 2 d_{h}} ht∈Rm×2dh，
- 接着计算两者的交互矩阵 I = h s ⋅ h t T ∈ R n × m I=h_{s} \cdot h_{t}^{T}\in R^{n \times m} I=hs⋅htT∈Rn×m;
- 通过对交互矩阵做基于列的softmax和基于行的softmax可以得到target-to-sentence attention 和sentence-to-target attention
α i j = exp ( I i j ) ∑ i exp ( I i j ) \alpha_{i j}=\frac{\exp \left(I_{i j}\right)}{\sum_{i} \exp \left(I_{i j}\right)} αij=∑iexp(Iij)exp(Iij) β i j = exp ( I i j ) ∑ j exp ( I i j ) \beta_{i j}=\frac{\exp \left(I_{i j}\right)}{\sum_{j} \exp \left(I_{i j}\right)} βij=∑jexp(Iij)exp(Iij) - 对beta向量求平均，也就获得target-level attention： β ‾ j = 1 n ∑ i β i j \overline{\beta}_{j}=\frac{1}{n} \sum_{i} \beta_{i j} βj=n1i∑βij
- 最后再做一次sentence层面的attention： γ = α ⋅ β ‾ T \gamma=\alpha \cdot \overline{\beta}^{T} γ=α⋅βT
试验分析
3. Attentional Encoder Network for Targeted Sentiment Classification
与以往大多数RNN+Attention的思路不同，作者在这篇论文里给出了注意力编码网络（Attentional Encoder Network，AEN），避免了RNN系模型的缺点（难以并行化，需要大量数据/内存/计算）；同时提到先前的工作大都忽略了标签不可信问题（label unreliability issue），这里在损失函数中引入了标签平滑正则项。模型整体框架如下
Embedding Layer
有两种embedding的方式
- 使用glove预训练embedding
- 使用bert预训练embedding：注意将输入转化成bert需要的形式， 即
[CLS] + context + [SEP]和[CLS] + target +[SEP]
Attentional Encoder Layer
注意力编码层和LSTM层的作用一样，都是计算输入的语义表示得到隐状态矩阵。这一层包括两个子模块：
- Multi-Head Attention： MHA就是在attention is all you need那篇论文里的多头注意力机制。这里对context采用的是Intra-MHA，即self-attention；对target采用的是Inter-MHA， 即传统意义上的attention。
c i n t r a = M H A ( e c , e c ) \mathbf{c}^{\mathrm{intra}}=M H A\left(\mathbf{e}^{\mathrm{c}}, \mathbf{e}^{\mathrm{c}}\right) cintra=MHA(ec,ec) t inter = M H A ( e c , e t ) \mathbf{t}^{\text { inter }}=M H A\left(\mathbf{e}^{\mathrm{c}}, \mathbf{e}^{\mathrm{t}}\right) t inter =MHA(ec,et) - Point-wise Convolution Transformation（PCT）： 逐点卷积，即卷积核的尺寸为1,对上述得到的两个attention encoder进行一下操作，
P C T ( h ) = σ ( h ∗ W p c 1 + b p c 1 ) ∗ W p c 2 + b p c 2 P C T(\mathbf{h})=\sigma\left(\mathbf{h} * W_{p c}^{1}+b_{p c}^{1}\right) * W_{p c}^{2}+b_{p c}^{2} PCT(h)=σ(h∗Wpc1+bpc1)∗Wpc2+bpc2
Target-specific Attention Layer
将attention encoder后得到的关于context和aspect信息的向量表示
h
t
∣
h_{t}|
ht∣和
h
c
h_{c}
hc再做一次attention操作得到具有更多交互信息的向量，然后与
h
t
∣
h_{t}|
ht∣和
h
c
h_{c}
hc pool以后的向量拼接得到最终的输入表示送入softmax层进行情感分析
o
~
=
[
h
a
v
g
c
;
h
a
v
g
t
;
h
a
v
g
t
s
c
]
x
=
W
o
T
o
~
+
b
~
o
y
=
softmax
(
x
)
=
exp
(
x
)
∑
k
=
1
C
exp
(
x
)
\begin{aligned} \tilde{\mathbf{o}} &=\left[h_{a v g}^{c} ; h_{a v g}^{t} ; h_{a v g}^{t s c}\right] \\ x &=W_{o}^{T} \tilde{\mathbf{o}}+\tilde{b}_{o} \\ y &=\operatorname{softmax}(x) \\ &=\frac{\exp (x)}{\sum_{k=1}^{C} \exp (x)} \end{aligned}
o~xy=[havgc;havgt;havgtsc]=WoTo~+b~o=softmax(x)=∑k=1Cexp(x)exp(x)
Loss Function
L
(
θ
)
=
−
∑
i
=
1
C
y
^
c
log
(
y
c
)
+
L
l
s
r
+
λ
∑
θ
∈
Θ
θ
2
\mathcal{L}(\theta)=-\sum_{i=1}^{C} \hat{y}^{c} \log \left(y^{c}\right)+\mathcal{L}_{l s r}+\lambda \sum_{\theta \in \Theta} \theta^{2}
L(θ)=−i=1∑Cy^clog(yc)+Llsr+λθ∈Θ∑θ2前面提到为了解决标签不可信任问题（比如中性情感是一种非常模糊的情感表达，具有中性情感标签的训练样本就是属于不可信任的），引入了一种新的损失计算Label Smoothing Regularization (LSR)，关于LSR的深入理解这里不详细说了可以参考知乎问题：Label Smoothing Regularization_LSR原理是什么？
试验分析
作者非常nice地开源了论文对应的代码库：songyouwei/ABSA-PyTorch 而且里面还有很多其他模型的实现。赞！
4. Transformation Networks for Target-Oriented Sentiment Classification
作者提出用attention去提取context和aspect之间的语义相关性存在一定的缺陷，并列举了一个例子：
“This dish is my favorite and I always get it and never get tired of it.” 这句话中，attention机制会提取出相对于dish不相关的词语比如"never","tired"等。
于是提出可以利用CNN来取代attention来提取context中相对重要的信息，同时对朴素CNN进行了进一步的处理使其适合该任务，提出了Target-Specific Transformation Networks (TNet)
Bi-LSTM Layer
将文本的上下文信息融入到word的向量表示中是非常重要的
Context-Preserving Transformation（CPT）
模型再往上一层是Transformation Layer，是由多个CPT模块叠加而成。单独的CPT模块结构如下所示
CPT分为两个部分，Target-Specific Transformation（target转换机制）和Context-Preserving Mechanism（上下文保存机制）
- Target-Specific Transformation用于动态地生成target的向量表示（这是论文的创新点）。首先将target表示通过一个Bi-LSTM来获得其抽象表示，再将该表示与上一层每个context词的表示做相似度计算，从而调整target的表示。
r i τ = ∑ j = 1 m h j τ ∗ F ( h i ( l ) , h j τ ) r_{i}^{\tau}=\sum_{j=1}^{m} h_{j}^{\tau} * \mathcal{F}\left(h_{i}^{(l)}, h_{j}^{\tau}\right) riτ=j=1∑mhjτ∗F(hi(l),hjτ) F ( h i ( l ) , h j τ ) = exp ( h i ( l ) ⊤ h j τ ) ∑ k = 1 m exp ( h i ( l ) ⊤ h k τ ) \mathcal{F}\left(h_{i}^{(l)}, h_{j}^{\tau}\right)=\frac{\exp \left(h_{i}^{(l) \top} h_{j}^{\tau}\right)}{\sum_{k=1}^{m} \exp \left(h_{i}^{(l) \top} h_{k}^{\tau}\right)} F(hi(l),hjτ)=∑k=1mexp(hi(l)⊤hkτ)exp(hi(l)⊤hjτ) - Context-Preserving Mechanism的提出是因为在经过TST的非线性转化之后，现有的向量表达可能已经丢失了原来Bi-LSTM层输出的信息，作者提出了两种解决方案：
- Lossless Forwarding：直接将前一层的输出加入到这一层的输出上
h i ( l + 1 ) = h i ( l ) + h ~ i ( l ) , i ∈ [ 1 , n ] , l ∈ [ 0 , L ] h_{i}^{(l+1)}=h_{i}^{(l)}+\tilde{h}_{i}^{(l)}, i \in[1, n], l \in[0, L] hi(l+1)=hi(l)+h~i(l),i∈[1,n],l∈[0,L] - Adaptive Scaling：与LSTM中门控机制类似的自适应保存机制，通过门控单元来控制当前层和上层输出到下层的信息。
t i ( l ) = σ ( W trans h i ( l ) + b trans ) t_{i}^{(l)}=\sigma\left(W_{\text {trans}} h_{i}^{(l)}+b_{\text {trans}}\right) ti(l)=σ(Wtranshi(l)+btrans) h i ( l + 1 ) = t i ( l ) ⊙ h ~ i ( l ) + ( 1 − t i ( l ) ) ⊙ h i ( l ) h_{i}^{(l+1)}=t_{i}^{(l)} \odot \tilde{h}_{i}^{(l)}+\left(1-t_{i}^{(l)}\right) \odot h_{i}^{(l)} hi(l+1)=ti(l)⊙h~i(l)+(1−ti(l))⊙hi(l)
- Lossless Forwarding：直接将前一层的输出加入到这一层的输出上
Convolutional Layer
作者对于卷积层提出了利用观点词与目标词的距离的改进措施。作者为每一个位置计算一个位置特征 v i = { 1 − ( k + m − i ) C i < k + m 1 − i − k C k + m ≤ i ≤ n 0 i > n v_{i}=\left\{\begin{array}{ll}{1-\frac{(k+m-i)}{C}} & {i<k+m} \\ {1-\frac{i-k}{C}} & {k+m \leq i \leq n} \\ {0} & {i>n}\end{array}\right. vi=⎩⎨⎧1−C(k+m−i)1−Ci−k0i<k+mk+m≤i≤ni>n其中C是超参，相当于设置了一个窗口，在这个窗口范围内进行计算。k是target第一个词的位置，m是target的长度，i是当前词的位置。
然后将距离特征融合到词特征上： h ^ i ( l ) = h i ( l ) ∗ v i , i ∈ [ 1 , n ] , l ∈ [ 1 , L ] \hat{h}_{i}^{(l)}=h_{i}^{(l)} * v_{i}, i \in[1, n], l \in[1, L] h^i(l)=hi(l)∗vi,i∈[1,n],l∈[1,L]再进行卷积和最大池化的操作 c i = ReLU ( w c o n v ⊤ h i : i + s − 1 ( L ) + b c o n v ) c_{i}=\operatorname{ReLU}\left(\boldsymbol{w}_{c o n v}^{\top} \mathbf{h}_{i : i+s-1}^{(L)}+b_{c o n v}\right) ci=ReLU(wconv⊤hi:i+s−1(L)+bconv) z = [ max ( c 1 ) , ⋯ , max ( c n k ) ] ⊤ z=\left[\max \left(\mathbf{c}_{1}\right), \cdots, \max \left(\mathbf{c}_{n_{k}}\right)\right]^{\top} z=[max(c1),⋯,max(cnk)]⊤ 最后送入softmax层进行情感判定 p ( y ∣ w τ , w ) = Softmax ( W f z + b f ) p\left(y | \mathbf{w}^{\tau}, \mathbf{w}\right)=\operatorname{Softmax}\left(W_{f} z+b_{f}\right) p(y∣wτ,w)=Softmax(Wfz+bf)
试验分析
以上~
2019.05.04
扫一扫
924
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
