Sarcasm Detection with Self-matching Networks and Low-rank Bilinear Pooling

Sarcasm Detection with Self-matching Networks and Low-rank Bilinear Pooling

click here：文章下载

方法综述：

本文中使用了三个模型，分别是self-matching network、Bi-LSTM、Low-rank Bilinear Pooling method(LBPR)：

self-matching network: 通过单词对间的信息，获取句子的incongruity information
Bi-LSTM: 通过句子的序列信息，获取句子的compositional information
Low-rank Bilinear Pooling method: 融合incongruity information和compositional information

各模型算法：

self-matching network

target: 求输入句子的 attend feature vector : $f_a\in R^k⟹f_a=S\cdot a$
S是输入句子的word-embedding表示，$S\in R^{k\times n}$
于是问题转变成为，求解self-matched attention vector : $a\in R^n$
其中，k为单词表示维度，n为句子单词数。

求解$a\in R^n$：

考虑到，单词对表示向量间进行内积运算，只抓住特征向量间的相关性，却忽视了情感信息，所以定义了一种新的计算方式。对于单词对$(e_i,e_j)$，$e_i\in$