论文阅读：Neural Sentiment Classification with User and Product Attention

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网络，生成句子和文档表征
接着：用户和产品信息的通过不同的语义级别来考虑注意力机制
4.实验结果获取网址：https://github.com/thunlp/NSC

1.介绍
2.相关工作
提出：用户/产品偏爱矩阵，向量表征 输入到神经网络模型
3.模型
模型：基于用户产品注意力机制（UPA）的神经情感分析模型（NSC）
首先：规范化 文档级别的情感分析
接着：通过分层长短时记忆网络（HLSTM）获取文档情感表征
最后：加入用户产品注意力机制，增强文档表征
1）规范化
用户u 评论 产品p
将评论作为一个文件d,有n个句子{S1, S2, · · · , Sn}.
l 句子 长度
第i个句子Si由 li个单词组成 {wi1, wi 2, · · · , wi }.
文件级的情感分析：根据文本信息 预测 这些评论的情绪分布或评级。
2）神经情感分析模型
3）使用产品注意力机制
4）情感分析

4.实验
1）实验设置

5.总结和相关工作
6.告知