NLP论文(情感分析):《A Novel Bi-Branch Graph Convolutional Neural Network for Aspect Level Sentiment Classification》 笔记
论文
原论文:《A Novel Bi-Branch Graph Convolutional Neural Network for Aspect Level Sentiment Classification》
介绍
2021年07月18日至22日会议发表的文章
模型结构
文章翻译
Abstract
aspect 级情感分类是情感分析中的一项细粒度任务,其主要目的是识别特定方面的情感极性。当前的图卷积网络(GCN)在处理语义和句法上的情感分类方面有其独特的优势。然而,GCN在处理复杂结构句子时引入噪声方面仍然存在不足。为了解决这些问题,我们提出了一种新的双分支GCN(Bi-B GCN)。在我们的模型中,利用 attention 机制构造了一个 attention 权重图来替代基本语法依赖树,从而去除不相关的信息。此外,还设计了一个语义依赖图,将语义信息补充到语法依赖树中,在此基础上可以捕获不同单词之间的连接。此外,在情感分类任务中,采用组合门控机制对语义信息和句法信息进行整合。在各种数据集上进行了大量实验,以验证Bi-B GCN的工作性能。令人鼓舞的结果证明了所提出模型的高精度。
V. CONCLUSION
在这项工作中,提出了一个双分支GCN(Bi-B GCN)模型来消除ALSC(aspect-level sentiment classification)任务中GCN处理过程中的噪声。构造了一个 attention 权重图来代替基本的语法依赖树,在此基础上引入 attention 机制来捕捉不同节点之间的关系并去除无关信息。针对结构复杂的句子,提出了一种语义依赖图对句法依赖树进行语义补充。通过这种方式,句子中不同单词之间的语义联系得以建立。在GCN处理过程中,采用组合门控机制将语义信息和句法信息集成起来进行情感分类。实验结果表明,该模型在ALSC中是一种具有竞争力的替代方案,并在各种数据集上获得了最新的结果。
进一步的工作将集中在依赖树的构建和GCN层数量的调查上,这可以进一步优化当前模型的工作性能。
相关的笔记
如何理解 Graph Convolutional Network(GCN)?