Recursive Deep Models for Semantic Compositionality Over a Sentiment Treebank

最新推荐文章于 2022-11-01 10:36:13 发布

FocusOneThread

最新推荐文章于 2022-11-01 10:36:13 发布

阅读量2.8k

点赞数 1

分类专栏：自然语言处理文章标签： paper

自然语言处理专栏收录该内容

166 篇文章 4 订阅 ¥19.90 ¥99.00

订阅专栏

超级会员免费看

Recursive Neural Tensor Networks (RNTN) are introduced to address the issue of semantic compositionality in sentences, particularly for sentiment analysis tasks. The model significantly improves performance on the Stanford Sentiment Treebank, achieving an 85.4% accuracy in binary sentiment classification and 80.7% accuracy in fine-grained sentiment prediction. RNTN leverages tree structures to capture nuanced emotional impacts in phrases." 52199494,5625508,Android SDK版本详解与获取,"['Android开发', '版本管理']

摘要由CSDN通过智能技术生成

http://nlp.stanford.edu/~socherr/EMNLP2013_RNTN.pdf

Recursive Deep 模型在情感语料库的语义组合性上的应用

摘要

语义词空间非常有用，但是不能有原则的表示一个长句子的意义，一些理解组合性的任务比如情感探测需要更多的监督训练和评估资源以及更有效的设计模型，为了解决这个问题，我们介绍这个情感treebank，它包括由11855个句子组成的解析树上的细粒度的215154个情感标签，为了address这些，我们介绍Recursive Neural Tensor Network，在treebank上训练的时候，这个模型效果很好，这个模型把单句的正/负分类从80%提高到85.4%，预测所有句子的细粒度情感标签准确率提高到80.7%，这是唯一可以准确捕捉负面影响和各种正负面句子的树层次的范围的模型。