基于卷积神经网络的方面情感摘要
本研究提出了一种基于深度卷积神经网络的多任务集成学习模型,以增强波斯语评论的情感分析效果,该新方法提高了波斯语语言情感分析模型的效率。
Jan, 2022
通过在句子的依赖树上构建图卷积网络,利用了句法信息和单词依赖关系,提出了一种新的特定于方面的情感分类框架。在三个基准测试集上的实验表明,该模型与一系列最先进的模型具有可比较的效果。
Sep, 2019
本论文介绍了我们在 SemEval 2016 任务 5 中使用深度学习的多语言基于方面的情感分析的方法。我们使用卷积神经网络(CNN)对方面抽取和基于方面的情感分析进行处理。我们将方面提取视为一个多标签分类问题,输出一个阈值参数化的方面概率。为了确定对方面的情感态度,我们使用局限系统(英语不受限制)对语句进行分析,其在所有语言和领域中均取得了竞争性的结果,对于方面类别检测(插槽 1)和情感极性(插槽 3)分别在 11 种语言域对中的 5 个和 7 个中排名第一或第二,从而证明深度学习为基于方面和多语言的情感分析方法的可行性。
Sep, 2016
本研究提出了一种新的参数化卷积神经网络用于方面级情感分类,并通过 SemEval 2014 数据集的实验结果证明,我们的参数化滤波器和参数化门有效地捕捉了方面特定的特征,同时基于卷积神经网络的模型取得了良好的结果。
Sep, 2019
提出一个新颖的 Aspect-oriented Opinion Alignment Network (AOAN) 来捕捉意见词与对应方面之间的上下文关联。该模型通过引入一个邻近跨度增强模块来突出揭示邻近词汇和给定方面的各种组合,并设计了一个多透视度的注意机制来根据给定方面对齐相关意见信息。对三个基准数据集的广泛实验表明,该模型达到了最好的结果。
Aug, 2023
这篇论文研究的主题是使用深度学习进行监督式商品评论的精细情感分析。论文提出了一种使用两种预先训练的词向量嵌入进行商品特征提取的简单 CNN 模型,取得了优于先前最先进方法的出色结果。
May, 2018
本文研究了利用卷积神经网络和门机制的模型,提高方面基情感分析的准确性和效率。该模型的提出主要在于采用了 Gated Tanh-ReLU Units 来根据给定的方面或实体选择性地输出情感特征。实验结果显示其在 SemEval 数据集上的性能优越。
May, 2018
本文提出了一种基于图卷积网络的新型方面级情感分类模型,该模型能够有效地捕捉一句话中不同方面之间的情感依赖关系,并通过 SemEval 2014 数据集的评估表明了其优越性。此外,我们还开展了实验以评估 GCN 模块的有效性,并表明不同方面之间的依赖关系在方面级情感分类中具有高度的帮助作用。
Jun, 2019
文中介绍了一种从在线产品评论中进行意见摘要的神经框架,该方法是知识瘦身的,只需要轻量级的监督,包括产品领域标签和用户提供的评分。方法结合了两个弱监督组件(一个偏向提取器和一个基于多实例学习的情感预测器),从多个评论中识别显著观点并形成提取式摘要。研究介绍了包括六个不同领域的产品评论的训练集以及具有黄金标准方面注释、显著标签和意见摘要的人工注释开发和测试集的意见摘要数据集。自动评估显示该方法相对于基线的显著改进,大规模研究表明根据多个标准,人类评判员更喜欢该方法的意见摘要。
Aug, 2018