Reasoning with Sarcasm by Reading In-between读书笔记

发表于ACL2018

讽刺检测对于情感分析等任务非常重要，因为对于讽刺的句子往往会得出相反的情感结论。以往方法依赖LSTM等compositional模型，不利于句内词语关系的发现。本文认为讽刺的出现往往伴随某些相反极性的词语出现，因此建模词语间的关系非常重要。

模型：

    首先过embedding layer得到word embedding，然后计算两两词语间的匹配度得到匹配矩阵，再对于每个词用max-pooling后得到匹配向量，softmax归一化后作为权重对整个句子加权平均得到句子表示。

    上述表示没有compositional信息，本文再利用LSTM取最后的表征作为第二个表示。

    将上述两个表示拼接，过全连接网络输出预测结果。

 

notes：

    直接对word embedding计算相似度矩阵而不是先过LSTM再计算，因为LSTM后可能导致相邻词语表征非常相近，即使他们原本是反义词。直接对word embedding计算相似度能更好捕捉词语原来的关系。