前言
本篇博客主要是对《Aspect-based Sentiment Classification with Aspect-specific Graph Convolutional Networks》进行了泛读,并对其进行了简单地记录,以帮助大家快速了解此篇论文的要点。
一、论文信息
- 论文名:《Aspect-based Sentiment Classification with Aspect-specific Graph Convolutional Networks》
- 作者:Chen Zhang, Qiuchi Li, Dawei Song.
- 领域:ABSA
- 关键词:Aspect-specific Graph Convolutional Networks
- 发表年份:2019
- 会议/期刊名:EMNLP
二、笔记要点
2.1 存在的问题
① 注意力机制可能导致给定的方面错误地将句法无关的上下文词作为描述符;
② 基于 CNN 的模型只能将多词特征感知为对词序列进行卷积运算的连续词,但不足以确定由多个不相邻的词所描述的情感;
2.2 目前解决方法
为了解决① , He et al. (2018) 对注意力权重施加了一些句法限制,但句法结构的影响没有得到充分利用。
2.3 本文方法和创新点
在句子的依赖树上构建一个GCN,以利用句法信息和单词依赖关系。
2.4 模型结构
基于BiLSTM的改进
2.5 实验结果
在某些数据集上取得了最佳的效果。
采用如下数据集,进行实验。
① Twitter
②(LAP14、REST14、REST15、REST16)分别来自 SemEval 2014 任务 4()、SemEval 2015 任务 12和 SemEval 2016 年任务 5,包含来自两个类别的数据,即笔记本电脑和餐厅
2.6 总结和展望
- 总结:
- 实验结果表明,GCN 通过利用句法信息和长距离词依赖关系为整体性能带来好处。
- 未来:
- ① 没有利用句法依赖树的边信息,即每条边的标签
- ② 结合领域知识
- ③ ASGCN 模型可以扩展为通过捕获方面词之间的依赖关系来同时判断多个方面的情绪
总结
以上就是本篇博客的全部内容了,希望对你有所帮助。