【论文阅读】 Aspect Based Sentiment Analysis with Gated Convolutional Networks

最新推荐文章于 2024-12-27 11:04:34 发布
原创 最新推荐文章于 2024-12-27 11:04:34 发布 · 1.1k 阅读 · 0 ·
CC 4.0 BY-SA版权
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。

本文介绍一种基于门控卷积网络的细粒度情感分析模型，针对ACSA和ATSA任务，通过引入aspect embedding简化模型并加速训练。实验在SemEval2014数据集上取得良好效果。

Aspect Based Sentiment Analysis with Gated Convolutional Networks

Abstract

把细粒度情感分析分为两种，ACSA（给定一系列aspect，判断句子对aspect的情感极性）和ATSA（对句子中出现的taget，判断句子对target的情感极性）。之前的方法大多数使用LSTM和attention，模型复杂训练时间长。文章提出一个基于CNN和门机制的模型，模型更加简单，而且能并行运行。

Gated Convolutional Network with Aspect Embedding

每个卷积过滤器会以不同粒度从embedding vector中提取n-gram特征。普通CNN的提取过程是这样的

对每个过滤器，最大池化层取出最大值的特征，最终得到固定大小的vector，大小等于filter数。
在这里插入图片描述
可以看到模型架构如图，两个CNN，对应两个门，其中一个额外接受aspect embedding的信息，最后过最大池化后果softmax进行分类。
在这里插入图片描述
其中va就是

最低0.47元/天 解锁文章
tensorflow从入门到精通100讲（四）-细粒度的情感分析Gated Convolutional Networks
wenyusuran的专栏
09-30 1615
首先简要介绍一下基于Aspect的情感分析(Aspect based sentiment analysis——ABAS)，ABAS的主要任务：是判断句子所在的场景在某一方面的情感极性。举个例子，假如我们拿到一条餐厅评价文本数据如下：这家餐厅的环境还不错，可以菜做的不怎么样。 ABSA的任务就是去判断出下面两方面的情感极性： 1.在‘环境’这个aspect，文本的情感是积极的， 2.在‘做菜’这个aspect，文本的情感是消极的。 和普通的情感分析的不同点是，此类情感分析任务除了需要给出文本的情感极性，还
Aspect-based Sentiment Analysis with Type-aware Graph Convolutional Networks and Layer Ensemble 阅读笔记
Mr_Suda的博客
01-24 3268
1.Introducton 2.Model 3.Experiments 4.Conclusion
Aspect Based Sentiment Analysis with Gated Convolutional Networks
weixin_43589681的博客
03-10 894
这篇文章主要记录对Aspect Based Sentiment Analysis with Gated Convolutional Networks论文的理解，主要记录其模型和核心代码。 作者认为使用RNN和Attention会使模型的训练过程难以并行计算，影响了训练速度。本文提出了使用使用CNN和门控单元来提高速度，作者将Aspect Based Sentiment Analysis任务分为了两...
[论文] Aspect Based Sentiment Analysis with Gated Convolutional Networks
小小俊
08-31 3004
Aspect Based Sentiment Analysis with Gated Convolutional Networks   摘要： Aspect based sentiment analysis (ABSA) two subtasks: aspect-category sentiment analysis (ACSA) and aspect-term sentiment an...
ACL2018：Aspect Based Sentiment Analysis with Gated Convolutional Networks（翻译）
jiaojiaolou的博客
05-14 2851
Abstract 基于Aspect的情感分析（ABSA）能提供比一般情感分析更详细的信息，因为它的目的是预测文本中给定的aspect或实体的情感极性。我们将以前的方法归纳为两个子任务：aspect类别情感分析（aspect-category sentiment analysis (ACSA)） 和aspect实体情感分析（ aspect-term sentiment analys...
Aspect Based Sentiment Analysis with Gated Convolutional Networks 阅读笔记
每天起床第一句要给自己打个气
11-09 682
原文链接 http://chenhao.space/post/b215757d.html 论文题目：Aspect Based Sentiment Analysis with Gated Convolutional Networks 来源：ACL 2018 https://www.aclweb.org/anthology/P18-1234/ 作者：Wei Xue and Tao Li, School...
【亲测免费】 Aspect-Based Sentiment Analysis: 一个面向情感分析的开源项目
最新发布
gitblog_00983的博客
12-27 444
Aspect-Based Sentiment Analysis: 一个面向情感分析的开源项目 Aspect-Based Sentiment Analysis 是一个基于方面（Aspect）的情感分析项目，致力于细粒度的情感分析研究。该项目主要使用 Python 编程语言实现。 项目基础介绍 该项目是一个面向情感分析的研究项目，旨在对文本中的特定方面或目标进行情感极性分类。这种分析超越了传统的全局情...
acl2018---Aspect Based Sentiment Analysis with Gated Convolutional Networks论文阅读笔记
lrt366的博客
07-24 5637
Abstract 基于Aspect的情感分析（ABSA）能提供比一般情感分析更详细的信息，因为它旨在预测文本中给定的aspect或实体的情感极性。我们把以前的工作总结为两类：aspect分类情感分析（aspect-category sentiment analysis (ACSA)） 和aspect实体情感分析（ aspect-term sentiment analysis (ATSA) ）。...
Aspect-Based-Sentiment-Analysis:一个为SemEval 2016数据集实现基于方面的情感分析分类系统的python程序
03-11
基于方面的情感分析 基于方面的情感分析任务专注于识别方面类别和文本中的情绪（正面，负面，中性）分类。 基于方面的情感分析的目的是确定针对特定方面表达的情感极性。 该系统基于使用支持向量机（SVM）的监督学习。 多标签svc分类器用于将笔记本电脑评论分为20个方面类别，还可以将评论分为正面，负面或中性。 对于每种情感，都使用多标签svc分类器。 系统的性能也与其他分类器进行了比较。 数据集 所需的库 Scikit学习 纳尔特克 大熊猫 麻木 PS：这是加德满都大学计算机科学与工程系最后一年的一个为期2个月的速成课程（NLP）的微型项目。
Aspect Based Sentiment Analysis经典模型
qq_43398345的博客
09-27 1287
本文将介绍一些absa任务上经典的模型，主要集中在aspect term sentiment analysis 和 aspect category sentiment analysis两个子任务上。首先注明在absa任务中，aspect based sentiment analysis 和 aspect level sentiment analysis一般指代同一种任务。
Attention-based LSTM for Aspect-level Sentiment Classification 论文代码
03-22
Attention-based LSTM for Aspect-level Sentiment Classification 论文代码 作者： Yequan Wang Minlie Huang Li Zhao Xiaoyan ZHu
Sentiment-Analysis-with-Convolutional-Networks, IMDB电影评论情感分析的卷积神经网络模型.zip
09-17
Sentiment-Analysis-with-Convolutional-Networks, IMDB电影评论情感分析的卷积神经网络模型 基于卷积网络的情感分析这是我向 Kaggle公司提交的一份提交给的电子邮件。算法基于前训练的word2vec嵌入和由Yoon提出的卷积网络的思想。代码由两个IPython笔记本电脑组成：进程Kaggle数据集 train test
Aspect-based sentiment analysis via affective knowledge enhanced graph convolutional networks
Jeaksun的博客
05-20 1116
Aspect-based sentiment analysis via affective knowledge enhanced graph convolutional networks 基于情感知识增强图卷积网络的基于方面的情感分析 Abstract 现有的研究大多集中在基于句子依存关系树的上下文词到aspect词的依存关系信息的学习上，缺乏对特定体的语境情感知识的挖掘。在本文中，作者提出了一种基于SenticNet的图卷积网络，以根据特定的方面来利用句子的情感依赖关系，称为语义GCN。 通过整合Sen.
方面情感分析论文及代码
tzy_33220的博客
12-30 2661
Aspect Sentiment Analysis Related Paper List and Code 方面情感分析有关论文 1. BERT [AAAI 2021] Context-Guided BERT for Targeted Aspect-Based Sentiment Analysis [paper] [code] [COLING 2020] Understanding Pre-trained BERT for Aspect-based Senti
6. Joint Aspect Extraction and Sentiment Analysis with Directional Graph Convolutional Networks
薰珞婷紫小亭子的博客
03-19 874
《Jointly Learning Aspect-Focused and Inter-Aspect Relations with Graph Convolutional Networks for Aspect Sentiment Analysis》1.Introduction2. The approach2.1 Graph Convolutional Networks2.2 Directional Graph Convolutional Networks2.3 Tagging with Directiona
Al_challenger_2018_sentiment_analysis_top17_基于Aspect Level思路的解决方案
xiayangmian4130的博客
01-10 1728
本文思路来源于基于Aspect Level思路的解决方案. 这篇文章的主要目的是记录复现过程中的心得和体会。 训练词向量 预处理 将繁体字转换为简体字，使用了zhconv 去掉停用词 中文分词，使用了jieba分词 去除了标点符号（训练词向量时） 训练词向量 word2vec模型 词向量模型参数如下 model = Word2Vec(sentences, sg=1, size=100, c...
自然语言处理前沿研究之细粒度情感分析
weixin_44478207的博客
07-16 9622
自然语言处理前沿研究之情感分析 情感分析综述   文本情感分析：又称意见挖掘、倾向性分析等。简单而言,是对带有情感色彩的主观性文本进行分析、处理、归纳和推理的过程。对于意见、情感或观点，我们进行如下建模：对于给定的文本d，任务从文本中获取（e，a，s，h，t）五元组，即态度持有者h在t时间（条件下）对实体e的a方面有观点s。传统情感分析任务主要为情感分类，即确定s的极性。   从分析的粒度上，情感分析可以分为文章级(document level)、句子级(sentence level)和单词级(word l
阅读笔记Syntax-Aware Aspect Level Sentiment Classification with Graph Attention Networks
loganzha的博客
01-13 1253
阅读笔记Syntax-Aware Aspect Level Sentiment Classification with Graph Attention Networks简介文本表示Graph Attention Network(GAT)Target-Dependent Graph Attention NetworkFinal Classification 简介 这篇论文的研究领域是细粒度情感分类中的aspect term sentiment classification任务，这篇论文根据单词之间的依存关系构
【论文阅读】Get to the point :summarization with pointer-generator networks
BeforeEasy的博客
05-18 5344
摘要： 本文在原来的神经seq2seq模型上进行了两种改变，用混合的pointer-generator网络，既可以通过pointing直接从原文中copy单词又保留了通过generator生成新词的能力；另外，用coverage来记录已经总结出的内容，防止重复。 1 Introduction 生成摘要一般有两种方式，extractive和abstractive，前者是直接从原文中获...
generative aspect-based sentiment analysis with contrastive learning and exp
01-13
情感分析是一种通过计算机程序对文本中的情绪进行分析的技术。方面的使用生成对比学习方法。生成对比学习是一种通过比较两个不同视角的数据来提高模型性能的方法。在这种情感分析中，我们可以使用生成方法来自动提取文本中的情感方面，并结合对比学习方法来提高模型的性能。通过这种方法，我们可以更准确地识别文本中不同方面的情感，并且能够更好地区分出正面和负面情绪。 在这个过程中，我们首先使用生成模型来自动提取文本中的情感方面，然后结合对比学习方法来进行训练，以提高模型对情感方面的识别能力。这种方法可以帮助我们更准确地理解文本中的情感内容，并且能够更好地适应不同类型文本的情感分析任务。 此外，我们还可以使用这种方法来进行情感方面的生成，并结合对比学习方法来训练模型，使得生成的情感方面能够更接近真实的情感内容。通过这种方法，我们可以生成更加准确和自然的情感内容，并且能够更好地适应不同类型的情感生成任务。 综上所述，generative aspect-based sentiment analysis with contrastive learning and exp的方法可以帮助我们更准确地识别和生成文本中的情感内容，并且能够更好地适应不同类型文本的情感分析和生成任务。这种方法在自然语言处理领域具有广阔的应用前景。
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