target情感分类（0，+，-）——Adaptive recursive neurall network for target-dependent sentiment classification

最新推荐文章于 2022-09-27 14:55:39 发布

Vic时代

最新推荐文章于 2022-09-27 14:55:39 发布

阅读量2.2k

点赞数

CC 4.0 BY-SA版权

分类专栏：情感分析

本文链接：https://blog.youkuaiyun.com/VictoriaW/article/details/51943563

该研究介绍了如何使用Adaptive Recursive Neural Network对目标依赖的Twitter情感进行分类。通过构建以目标词为根节点的转换依存树，并结合多种组合函数，根据不同依存关系和词性传递情感信息。实验使用了人工标注的Twitter语料库，展示了模型的有效性。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

Adaptive recursive neurall network for target-dependent Twitter sentiment classification

Dong et al., 2014

本文解决的问题，判断句子针对不同的target表达的情感。

总结：本文的模型是基于依存树的递归神经网络。给定一个句子及其依存树，对句子中不同的target变换依存树，使得target term处于树根位置。并且在计算父节点的向量表示时，用到多种不同的组合函数，选择哪个组合函数取决于左右孩子节点以及依存类型。文中给定10个组合函数，通过计算在组合函数上的一个概率分布，以各组合结果的加权和作为父节点的representation，这就是题目中的adaptive。作者对这个结构给的解释是，把单词的情感通过组合传递给根节点——target。不同的组合函数，借鉴了Socher的思想，在递归神经网络中，如果在对孩子节点进行语义组合的时候，只用一种组合方式（对应一个矩阵参数），意味着这个矩阵需要存储不同词性的单词、不同位置的单词的组合信息，对这个矩阵来说责任太重，于是Socher提出基于孩子节点词性的多种组合方法，举个例子来说，如果左右孩子都是noun，那么对应一个组合矩阵；如果左孩子是形容词，右孩子是名词，那么对应另一个组合矩阵。这相当于在神经网络中加入了关于词性的先验信息。

文中对不同的target，根据依存句法结果得到的递归结构是什么形式的？怎么实现变换的？组合函数的设置以及组合方法？

1、converted dependency tree

给定一句话，从target单词开始，不断应用算法1进行递归构造：