【论文泛读】Sentiment Analysis of Online Reviews with a Hierarchical Attention Network

论文题目：基于层次注意网络的在线评论情感分析
时间：2017
来源：ACM
论文地址：

摘要：
  图像可能不包含明显的情感信息，但图像的视觉方面可以增强文本评论的情感信息。基于这一思想，本文提出了一个结合视觉方面注意、句子注意和自我注意的层次注意网络，为在线评论提供有效的情感分析。通过这种机制，我们可以对句子中单词之间的交互以及文本与图像之间的交互进行建模。我们对Yelp.com上关于在线餐厅评论的数据集进行了实验，并将我们的模型与现有的5个模型进行了比较。结果表明了我们的建议的优越性。
创新点：
  (1)我们提出了一种面向在线评论的层次注意网络，该网络可以同时处理评论中的图像和文本，从而产生有效的情感极性。特别地，我们采用自注意作为基础编码层，捕捉距离较远的单词之间的交互，以实现信息的扩充。
  (2)我们提出了一个密集的层来连接由视觉方面注意和句子注意生成的文档表示，以避免在情感分析中忽略一些重要的句子。
  (3)我们对来自Yelp.com的真实餐厅评论数据集进行了实验，并将我们的模型与各种基线进行了比较。实验结果表明，该方法可以提高评论的情感识别准确率，并可推广到其他图像反映文本主要内容的场景。

  本文的其余部分结构如下。第二部分对近年来的研究进展进行了简要的文献综述。第三节描述了所提出的模型。第四节报告了实验结果，第五节总结了全文。