论文笔记
经十东路31699号
这个作者很懒,什么都没留下…
展开
-
Attentional Encoder Network for Targeted Sentiment Classification(2019)
Attentional Encoder Network for Targeted Sentiment Classification(2019)面向的问题: 以前的大多数方法都是用RNN和注意力来模拟语境和目标词。然而,RNN很难并行化,并且随时间截断的反向传播给记忆长期模式带来了困难。创新:1.本文提出了一种避免重复出现的注意编码网络(AEN),并采用基于注意的编码器对上下文和目标进行建模。2.提出了新的bert预训练模型BERT-SPC。序列标注如下:“[CLS] + context + [SEP原创 2021-03-31 21:35:31 · 632 阅读 · 0 评论 -
Exploiting BERT for End-to-End Aspect-based Sentiment Analysis
Exploiting BERT for End-to-End Aspect-based Sentiment Analysis实验表明,使用简单的线性分类层,基于bert的体系结构也好于以往的复杂的模型。使用了预训练的bert实验结果(使用了不同的下游模型):总结:从实验结果中我们可以看出,基于预训练的bert效果好于以往的模型。作者还讨论了在bert的基础上加上了GRU,自注意力等进行处理,模型的效果也略有提升。...原创 2021-03-31 21:28:12 · 688 阅读 · 1 评论 -
情感分类多任务模型介绍
情感分类多任务介绍1.底层任务对于一句话:“Waiters are very friendly and the pasta is simply average.”我们可以提取到两个方面词(意见目标):waiters 和 pasta ;对应的情感词(意见词)是: friendly 和 average ;分别属于餐馆的 service 和 food 方面。以上就是情感分析(ABSA)任务的三个对象:aspect,opinion,aspect category。在图中显示是最上层。2.子任务对原创 2020-09-16 10:48:33 · 1408 阅读 · 0 评论 -
《Dependency Graph Enhanced Dual-transformer Structure for Aspect-based Sentiment Classification》阅读笔记
《Dependency Graph Enhanced Dual-transformer Structure forAspect-based Sentiment Classification》阅读笔记1.摘要近年来,利用图卷积神经网络实现语义依赖树来描述方面和相关的情感词之间的内在联系,但是由于依赖树的噪音和不稳定性,这种改进是有限的。提出了一个依赖图增强的双向transformer网络(DGEDRT),它通过迭代交互的方式,将从transformer学习的平面表示和从相应的依赖图中学习的图形化表示结合原创 2020-09-15 20:10:37 · 1691 阅读 · 1 评论 -
《Aspect-Level Sentiment Analysis Via Convolution over Dependency Tree》阅读笔记
《Aspect-Level Sentiment Analysis Via Convolution over Dependency Tree基于依赖树卷积的方面级情感分析》阅读笔记1.摘要提出了一种基于依赖树卷积的方面级情感分析方法,以往的模型都是集中在利用神经网络的表达能力来进行ABSA任务的,忽略了诸如依赖树等重要的信息,这些资源可以缩小方面词和观点词之间的距离,使得依赖信息可以有效的保存在长句子中。因此,作者提出在依赖树的基础上进行神经网络的操作。 2. 介绍ABSA包括两个子任务,本文重点研原创 2020-09-15 15:56:10 · 1604 阅读 · 0 评论 -
《A Joint Model of Term Exaction and Polarity Classification for Aspect-based Sentiment Analysis》阅读笔记
A Joint Model of Term Extraction and Polarity Classification for Aspect-based Sentiment Analysis 阅读笔记1.概述同时进行两个子任务,方面项提取(ATE)和方面词情感极性分类(APC)。2.模型使用的是BI-LSTM+CRF结构,符合encoder-decoder结构。BI-LSTM层:LSTM的计算公式:双向的LSTM:经过一个隐藏层:其中H是所有隐藏状态的矩阵,P是K个标签的输出得分原创 2020-09-14 17:09:10 · 433 阅读 · 0 评论 -
《Coupled Multi-Layer Attentions for Co-Extraction of Aspect and Opinion Terms面向和观点项共提取的多层耦合注意力》阅读笔记
Coupled Multi-Layer Attentions for Co-Extraction of Aspect and Opinion Terms 阅读笔记2017 AAAI2.摘要方面词和观点词的协同抽取的任务是从用户提供的文本中,显示的提取描述实体特征的方面词和表达情感的观点词。旧方法与存在的问题:一种有效的方法是通过分析每个句子的句法结构来挖掘方面词和情感词之间的关系。然而,这种方法需要花费大量的精力进行解析,并且在很大程度上依赖解析的结果。本文提出了一种新的深度学习模型,即耦合的多层原创 2020-08-24 10:43:33 · 560 阅读 · 0 评论 -
《Synchronous Double-channel Recurrent Network for Aspect-Opinion Pair Extraction》阅读笔记
Synchronous Double-channel Recurrent Network for Aspect-Opinion Pair Extraction阅读笔记1.摘要探索aspect opinion pair extraction(方面意见对提取 AOPE),目的是成对的提取方面和意见表达。提出了同步双通道递归网络(SDRN),主要由实体提取单元,关系检测单元和同步单元组成。将意见实体提取单元和关系检测单元作为两个通道同时提取意见实体和关系。此外,在同步单元中,我们设计了实体同步机制(ESM原创 2020-08-20 21:00:47 · 1005 阅读 · 1 评论 -
《An Interactive Multi-Task Learning Network for End-to-End Aspect-Based Sentiment Analysis》阅读笔记
An Interactive Multi-Task Learning Network for End-to-End Aspect-Based Sentiment Analysis阅读笔记1.摘要ABSA主要是对一个自然语言的句子进行处理,得到aspect term及其情感列表。这个任务通常是通过pipeline(管道)方式完成的,先进行方面项抽取,然后对抽取的方面项进行情感分类。这种方法容易开发,但是没有充分利用来自两个子任务的联合信息,也没有使用使用所有有用的训练信息源,例如文档标记的情感语料库。本原创 2020-08-19 17:57:43 · 696 阅读 · 0 评论 -
《Latent Opinions Transfer Network for Target-Oriented Opinion Words Extraction》阅读笔记
《Latent Opinions Transfer Network for Target-Oriented Opinion Words Extraction》阅读笔记1. 背景从2019年作者Fan在论文 Target-oriented Opinion Words Extraction with Target-fused Neural Sequence Labeling 中定义了 TOWE(Target-oriented Opinion Words Extraction)任务,旨在从评论文本中抽取给定(原创 2020-08-08 16:17:10 · 607 阅读 · 0 评论 -
《Target-oriented Opinion Words Extraction with Target-fused Neural Sequence Labeling》阅读笔记
Target-oriented Opinion Words Extraction with Target-fused Neural Sequence Labeling 阅读笔记本文提出了一种新的面向对象和意见词提取序列标记子任务(TOWE),针对给定的意见目标提取相应的意见词。粗略的讲就是,预先构建好一个opinion target的集合,里面存放意见目标,然后通过模型进行匹配相应的意见词,然后把意见目标与意见词成对的提取。在这里,却显示,预先构建意见目标的集合,还要标注意见目标与意见词之间关系,工原创 2020-07-23 22:07:57 · 951 阅读 · 0 评论 -
《A Multi-task Learning Model for Chinese-oriented Aspect Polarity Classification and Aspect Term》笔记
A Multi-task Learning Model for Chinese-oriented Aspect Polarity Classification and Aspect Term Extraction 学习笔记记录自己看论文时的心得,后附有GitHub链接。创新点本文提出了一个联合模型用于aspect term extraction(方面项提取) 和 aspect polarity classification (aspect极性分类)论文中提出的模型面向中文,也适应于英文该模型还原创 2020-08-07 21:53:32 · 3590 阅读 · 4 评论