《Attention-based LSTM for Aspect-level Sentiment Classification》

#  polarity 和 aspect 都是有的，但是在一句话里，不同的target里面可能有不同的情感极性。

#  所以单纯的LSTM模型是不行的。要加上attention机制。

---

1. 不同的aspects被考虑到

2. concatenate aspect into hidden representations,   将aspect vector 加入到intput word中。

---

这个aspect的加法，我也是醉了，简直太牛逼了，这完全不符合科学。

Attention的计算方式是在是奇葩，首先e_N代表的是将va叠加几次，可能是增强va的效力，va越多，也就是句子越长，attention的权重越重。

这个w_h,这个是计算attention的K，也就是说，这个attention机制，是某一个随机初始的Wh作为参数，原来可以这么用吗？

---

再之后是

这个图干了个什么事儿，就是把v_a加入到了Attention中的，这么奇葩的事儿，我也能搞？

L_2 和 AdaGrad

---

证明方法：可视化attention；

                  case_study:拿出一些case study的东西，和以前的attention比，证明自己的效果好。