基于CNN的方面级情感分析——GCAE模型

GCAE（第一个将基于CNN的模型用于ABSA任务）

论文：Aspect Based Sentiment Analysis with Gated Convolutional Networks

原先存在的问题：许多之前的工作都是基于LSTM和注意力机制的，会将方面目标词的上下文同时编码，而这些上下文往往是同时含有方面信息和情感信息的，在使用Attention对这些上下文单词打分时，就会忽略这两类信息的不同。计算量比较大，费时间（LSTM是有时序的，计算效率低，Attention 可以并行但是计算复杂度高。

GCAE代表了一种有效且高度并行化的情感分析模型，通过整合卷积层和门控单元，以及引入两种精准的过滤机制，提供了更优越的性能。提出了一种适用于ACSA和ATSA任务的具有门控机制的高效卷积神经网络。GTRU可以根据给定的aspect信息有效地控制情感流，两个卷积层分别aspect信息和情感信息进行建模。

 

·  Gated Tanh-ReLU Units 可以选择输出针对给定aspect/entity的情感特征；

·  该模型比之前的基于attention的模型更加简单；

· 由于CNN的卷积层没有时间依赖， 训练时可以并行，门控单元可以独立工作，计算效率更高；

·  第一个将基于CNN的模型用于ABSA任务