论文阅读笔记：Context-aware Embedding for Targeted Aspect-based Sentiment Analysis

目录

 

问题描述：    

方法：

输入：   

稀疏系数向量：

重新构建目标向量：

微调方面向量：

实验结果：

可视化分析：

总结

---

问题描述：    

  这是一篇来自哈尔滨工业大学深圳院校2019年在ACL发表的文章，应用于Targeted aspect-based sentiment analysis(TABSA)，这一问题是根据句子中的具体的target，识别其属于哪一个aspect，并对target-aspect进行情感分类。现有的基于注意力机制的神经网络模型虽然取得了较好的效果，但是由于这些方法中表示target和aspect的向量都是随机初始化的，这样就会产生以下问题：

1. 现有的方法在表示目标（target）和方面（aspect）时往往会脱离上下文。这种随机初始化或不依赖于上下文的表示方法有三个弊端：1）同一个目标或方面的向量表示在表达不同情感极性的句子中没有得到区分；2）目标不是确定实体时（例如“这个酒店”，“这个餐馆”，“那部电影”等），输入信息无法体现实体本身的价值；3）忽略了目标和方面之间的相互联系。

2. 目标和方面在上下文中存在重叠的关联映射关系。在一句话中，一个目标可能会对应多个方面，而不同的方面可能会包含不同的情感极性。另一方面，在同一句话中往往会存在多个目标，所以目标和方面之间会存在错综复杂的对应关系。如图：

方法：

    为解决上述问题，本文提出了一种结合上下文信息优化目标和方面向量表示的方法，该方法可以直接和现有基于神经网络的目标-方面级别情感分析模型相结合，如图所示：

输入：   

      给定句子