个性化情感分析的三篇论文(UPNN、UPA、UPDMN)

一，Learning Semantic Representations of Users ans Products for Document Level Sentiment Classification(2015)

1. 模型结构

本文提出了：UPNN（User Product Neural Network），基于CNN模型。

核心参数主要有以下四个方面的参数：

• user-sentiment：$u_k$，用户情感一致性，表示用户的个人偏好；
• product-sentiment：$p_j$，产品情感一致性，表示产品的整体质量；
• user-text：$U_k$，用户文本一致性，主要用来修改某个词在某个特定用户下的语义，使评论文本语义更个性化；
• product-text：$P_j$，产品文本一致性，主要用来修改某个词在某个特定产品下的语义，使评论文本语义更个性化；

2. 实验结果

结果：UPNN模型在三个数据集上效果都是最好的。

结果：

• ($u_{}$