背景
属性级情感分析 (ABSA)是一项细粒度的情感分析任务,在自然语言处理里越来越受到关注,能够识别句子提及的属性以及对应的情感极性,包含两个子任务:属性识别和情感分析
例如:
“The food is not cheap but quite delicious”
实体food对应的属性:FOOD#PRICE和FOOD#TASTE
针对于人们越来越习惯在评论中使用习语,常会出现错误识别的情况,例如以下情况:
“it is the service that leaves a bad taste in my mouth”
注意力机制能够识别出属性 “service”,然而没有注意力模型时,taste可能会被认为实体
贡献
1.提出融合注意力机制和属性信息的AARCNN模型。
2.注意力和属性是ABSA任务中必要的部分,因此介绍了两个模块:基于 CNN的注意力机制来抽取注意力和属性词权重embedding识别属性和分析。
3.实验结果表明该方法相比较几个 baseline方法,达到了最好的效果,并且进一步证明了 Bi-LSTM 提升了分类的准确率。
模型
1 Input Preprocess
首先需要将评论的句子进行格式化,假设句子是由n个单词序列组成,每个单词通过词向量被转化成实值向量:
2 Memory Module
将经过第一步词向量处理的词系列输入到Bi-LSTM当中,此处用Bi-LSTM的原因是
the spot is perfect and the perfect spot 需要考虑词序影响单词之间的依赖,因此用Bi-LSTM代替LSTM
当前时刻可以通过下式计算:
将两个方向的隐藏层进行拼接: