论文阅读笔记：Transformation Networks for Target-Oriented Sentiment Classification

最新推荐文章于 2021-11-29 18:57:08 发布
最新推荐文章于 2021-11-29 18:57:08 发布
阅读量1.5k 收藏 5
点赞数 1
分类专栏： 论文 文章标签： ACL 深度学习
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/weixin_44740082/article/details/88582633
版权
本文提出了一种名为T-Net的模型，用于目标导向的情感分类。该模型采用双向LSTM层捕获上下文信息，通过Context-Preserving Transformation (CPT)结合目标信息，并利用CNN进行特征提取和分类。CPT包含Target-Specific Transformation和两种上下文保留机制，即无损转发和自适应缩放，以保持上下文信息。实验表明，T-Net在情感分类任务上优于传统方法。
摘要由CSDN通过智能技术生成

原文链接
本文是香港中文大学和腾讯AI实验室2018年在ACL上发表的论文

摘要

  本文模型为三层结构，最下面一层为双向LSTM，最上一层为CNN，替代基于注意机制的RNN 去提取最重要的分类特征，由于 CNN 很难捕捉目标实体信息，所以本文提出了一个特征变换组件来将实体信息引入到单词的语义表示当中。但这个特征变换过程可能会使上下文信息丢失。所以本文又提出了一种“上下文保留”机制，可将带有上下文信息的特征和变换之后的特征结合起来，即中间层本文提出的CPT（Context-Preserving Transformation）结构。本文提出的模型T-net整体结构如左图所示。
Architecture of TNetDetails of a CPT module

模型介绍

1）Bi-directional LSTM Layer

  最下层为双向LSTM层，在这一层输入目标句子的词向量表示，输出具有上下文信息的词向量表示。

2）Context-Preserving Transformation

  这部分

最低0.47元/天 解锁文章
洛洛洛洛洛洛洛
关注
专栏目录
论文阅读：CROSS-DOMAIN FEW-SHOT CLASSIFICATION VIA LEARNED FEATURE-WISE TRANSFORMATION
Dream_xd的博客
06-19 2458
论文：CROSS-DOMAIN FEW-SHOT CLASSIFICATION VIA LEARNED FEATURE-WISE TRANSFORMATION 地址：https://arxiv.org/abs/2001.08735 代码：https://github.com/hytseng0509/CrossDomainFewShot 来源：ICLR2020 摘要 由于不同领域的数据特征分布具有差异性，因此少样本分类算法对于之前为见过的领域数据效果不好。次论文主要解决的是基于度量的方法在领域迁移（dom.
Transformation Networks for Target-Oriented Sentiment Classification
wtfloser的博客
04-06 387
《Transformation Networks for Target-Oriented Sentiment Classification》这篇论文的读后感和笔记
用神经网络做情感分类《Transformation Networks for Target-Oriented Sentiment Classification》
u014475479的博客
07-29 5691
原文链接 本文发表于自然语言处理顶级会议 ACL 2018 项目源码链接 摘要 在情感分类任务中，人们关注的往往是一句话中所表露出情感的“最重要”的一部分，比如在美团上经常会有这种评价：“这家店的菜做的不错，但是服务特别差！”，而对于餐厅管理者来说，这条评论他们最关注的是“这家店服务特别差”这个部分，即整个句子对他们餐厅所表现出来的情感是“不满意”的，“这家店菜做的不错...
Transformation Networks for Target-Oriented Sentiment Classification(21.1.05)
fuchengguo666的博客
01-06 806
Transformation Networks for Target-Oriented Sentiment Classification 面向目标的情感分类的变换网络 Abstract Target-oriented sentiment classification aims at classifying sentiment polarities over individual opinion targets in a sentence. 面向目标的情感分类旨在将句子中个人意见
[论文翻译]Polar Transformation Network(PTN)
bxdzyhx的博客
11-01 1210
0 摘要 卷积神经网络(CNN)本质上等同于translation。 嵌入其他形式的equivariance的工作仅集中在 rotation上。我们通过Polar Transformer Network(PTN)扩展了CNN中equivariance的概念。 PTN结合了STN和正则坐标表示（canonical coordinate representations）的思想。结果是网络对于平移保持invariant，对旋转和比例保持equivariant。在旋转MNIST和新引入的SIM2MNIST数据集上，
A Hierarchical End-to-End Model for Jointly Improving Text Summarization and Sentiment Classificatio
qq_27009517的博客
09-30 630
abstract 文本摘要和情感分类都是要捕获文本的重要信息，但是在不同的水平上的。文本摘要是用一些句子表示原始文档，情感分类是给文本贴标签。 提出层次级的端到端模型进行摘要抽取和情感分类的联合学习，标签是作为文本摘要抽取的输出，情感分类依赖于摘要抽取， 情感分类放在摘要抽取上面 code：http://coai.cs.tsinghua.edu.cn/publications/ 1 Int...
论文笔记 ：Tensor Factorization for Low-Rank Tensor Completion
mojingmiao的博客
04-26 2542
一、本文创新点 二、符号和定义 三、以前的模型 四、本文的模型 一、本文创新点 1、针对张量补全问题，提出了一种有效的低秩张量分解方法；我们的方法通过把一个张量分解成两个更小张量的乘积来刻画它的低管秩结构，并且在每次迭代中只需要更新两个更小的张量 2、我们提出了一种自适应方法来估计每次迭代的张量低管秩。 3、我们证明了所提出的交替极小化算法可以收敛到一个Karush...
论文阅读笔记-AGMB-Transformer: Anatomy-Guided Multi-Branch Transformer Networkfor Automated Evaluation
XZH16047129的博客
11-29 2950
目录 摘要 摘要 -对X线图像治疗结果的准确评估是根管治疗中一个重要且具有挑战性的步骤，因为对治疗结果的错误解释会阻碍及时的随访，这对患的治疗结果至关重要。目前，评价都是手工进行的，既耗时、主观，又容易出错。本文旨在利用计算机视觉和人工智能领域的研究进展，实现这一过程的自动化，为根管治疗结果的评估提供一种客观、准确的方法。提出了一种新的解剖引导多分支变压器(AGMB-变压器)网络，首先提取一套解剖特征，然后利用它们引导多分支变压器网络进行评价。具体地说，我们设计了一种多项式曲线拟合分割策略来提取解
SSL论文笔记：A survey on Semi-, Self- and Unsupervised Techniques in Image Classification Similarities...
weixin_39901859的博客
06-22 1060
文章目录AbstractIntroductionUnderlying conceptsLearning strategiesTechniques自恰正则化 Consistency regularizationOverclusteringpseudo-labels【29】 Abstract fundamental issue: lack of such an amount of labeled training data. 三个主要趋势： SOTA方法基于其准确性可以拓展到现实应用 为获得与使用所有标签可比
方面级分类paper3 Interactive Attention Networks for Aspect-Level Sentiment Classification(IAN)(2017IJCAI)
Jasminexjf的博客
06-24 2773
The link of paper: InteractiveAttentionNetworksforAspect-LevelSentimentClassification Source: 2017IJCAI Task: aspect level sentiment classification Author: Jasminexjf Time: 2019-06-24 参考：https:/...
论文阅读笔记：A Novel Capsule Based Hybrid Neural Network for Sentiment Classification
weixin_44740082的博客
04-28 627
摘要：该文章是北京工业大学发表在IEEE上的文章，主要针对短文本的情感分类，由于短文本有限的上下文信息，所以对于短文本的情感分类有一定的难度，该文章利用双向GRU获取单词之间的长距离依赖，然后利用capsule网络结构获取更丰富的文本信息，提高输出向量的表达能力，该文章提出的方法在两个短文本数据集上进行了实验。 模型： 该文章主要的模块为实线的三个模块，将输入文本转换为词向量后，输入...
ACL 2018 | 腾讯AI Lab解读多篇入选长文
腾讯AI实验室
07-16 962
感谢阅读腾讯AI Lab微信号第31篇文章，本文将详解2018年NLP领域顶级学术会议ACL上，腾讯AI Lab入选5篇文章中的4篇长文。第 56 届计算语言学协会年会 ...
情感分类《Thumbs up？Sentiment Classification using Machine Learning Techniques》
Answer3664的博客
09-22 1596
相关背景： 这篇论文发表于2002，那时大量的文本分类研究都是对文章的主题分类，例如判断一篇文章是体育类还是财经类。然而随着在线评论的网站大肆兴起，为了提供更言简意赅的信息，就需要判断人们针对某件事发表言论的是肯定的还是否定的，即情感分类。 当前研究： 传统的对文章进行情感分类的做法有： 使用统计学的方法判断文章的来源：例如考虑文章的作者，出版商以及作者所处的阶层。 一个相关的领域是确定...
论文阅读：Neural Sentiment Classification with User and Product Attention
qq_41238579的博客
06-10 429
Neural Sentiment Classification with User and Product Attention 基于用户和产品注意力机制的情感分析 0.摘要： 1.文档级情感分析：预测使用者对于产品的情感 2.之前工作：只关注本地文本信息，忽略使用者偏好与产品特性。模型复杂度，只考虑词级别的偏好。 3.解决：提出分层神经网络将使用者和产品信息融合到情感分析。 首先提出：分层LSTM...
Matching Networks for one Shot Learning 阅读笔记
热门推荐
feitianlzk的博客
03-07 1万+
Conclusion parametric vs metric karpathy很好的paper notes Advantages 使用加权平均(metric)方法去做few-shot,优点: 速度快，需要训练量小 将对S的训练加入模型 pθ(y|x,S)pθ(y|x,S)p_\theta(y|x,S)，具体做法是:分成task(或称为训练集)去训练, 每次选择一些类别L(label s...
target情感分类(1,0,-1)——Target-dependent sentiment classification with long short term memory
CodeTutor
07-18 2784
本文总结：这篇文章采用LSTM解决一个句子针对target情感分类问题，在构造句子向量表示时不仅考虑target单词，而且考虑了target vector和每个上下文单词之间的connection。 本文解决的问题是给定句子中的aspect term，判断该句子针对该aspect的情感。共三类：positive，negative，neutral。 本文的创新点在于将目标单词和上下文单词之间的语
论文阅读笔记：Transfer Learning for Deep Sentiment Analysis
weixin_44740082的博客
04-17 812
摘要： 为了解决情感分类中数据不足的问题，本文通过一个专用的内存模块引入外部一般线索（本文称为情感嵌入），这部分信息来自于其他的数据，将这部分信息加入到神经网络的处理过程中，可以获得更好的泛化能力。本实验在七种语言的数据集上都取得了很好的效果。 Approach： 1 Sentiment Embedding Computation 该文章提出word2vec以及glo ve这些常用的生成...
Input: template, target - grayscale images % A_init - 3x3 affine transformation matrixFAYI
最新发布
06-11
其中，template和target是灰度图像，A_init是一个3x3的仿射变换矩阵。仿射变换是一种线性变换，它可以将一个图像转换到另一个图像的位置、大小和形状。在这个问题中，A_init是初始的仿射变换矩阵，可以用来初始化...
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值