Nov, 2017

多示例学习网络用于细粒度情感分析

PDF
TL;DR本文从多实例学习的角度考虑了细粒度情感分析的任务。我们的神经模型通过文档情绪标签进行训练，学习预测文本片段的情感，如句子或基本话语单元 (EDUs)，不需要对片段级别进行监督学习。我们引入了基于注意力机制的极性评分方法，用于确定正面和负面的文本片段，并提出了一个新的数据集，称为 SPOT（作为片段级别极性注释的简称），用于评估 MIL 样式的情感模型，结果表明，比多个基准线有了更好的性能表现，而一个评估研究表明，EDU 级别的意见提取产生的摘要比基于句子的替代方案更为信息丰富。
fine-grained sentiment analysismultiple instance learningneural modelattention-based scoringedu-level opinion extraction
发现论文，激发创造
  • 细粒度观点挖掘与公共卫生的弱监督注意力网络

    采用弱监督的多示例学习方法，在细粒度的情感分类任务中使用新的 Sigmoid 注意力机制聚合函数，提高了分类性能，并在公共卫生应用中具有重要意义，可识别食源性疾病情况并提高识别率

    Sep, 2019

  • 基于 EDU 层面注意力的方面情感分析

    该论文提出了一种基于 EDU 边界的句子建模方法，旨在克服句子同时表达多个方面情感极性的问题。该模型通过在单词和 EDU 级别上进行稀疏注意力，突出表达情感的单词，并使用 EDU 级别稀疏注意力和正交正则化来确保模型在适当的 EDU 上关注正确的方面。实验证明该方法优于现有的基线算法，并能够直接应用于句子，无需手动标注 EDU 边界。

    Feb, 2022

  • 基于注意力机制的深度多示例学习

    本文提出了一种基于神经网络的置换不变聚合运算符，并展示了其在多个 MIL 数据集上的实验表现，特别是在两个真实组织病理学数据集上的表现，同时保持了可解释性。

    Feb, 2018

  • 一种交互式多任务学习网络，用于端到端的基于方面的情感分析

    本文提出了一种交互式多任务学习网络（IMN）用于处理基于方面的情感分析，它能够同时在标记级别和文档级别上联合学习多个相关任务，介绍了一种消息传递架构，其中信息通过一组共享的潜在变量迭代地传递到不同任务，实验结果表明，与多个基准模型相比，提出的方法在三个基准数据集上表现更加优越。

    Jun, 2019

  • 基于知识增强的双层注意力网络用于情感分析

    本研究提出了一种基于双向长短期记忆的新型两层注意网络，利用 WordNet 生成知识图嵌入来提高情感分析的预测能力，将其与基于支持向量回归和多层感知机网络的监督模型相结合，实验结果表明该模型在 SemEval 2017 上表现优于顶尖系统，分别将 Sub-tracks 1 和 2 的准确率提高了 1.7 和 3.7 个百分点。

    May, 2018

  • 利用图神经网络进行多实例学习

    本文提出一种基于图神经网络的多实例学习算法，将每个数据包视为图，并使用图神经网络学习包嵌入，利用实例之间的结构信息来预测标签。实验证明，该算法在多个常用数据集上达到了最先进的效果，且不失模型的可解释性。

    Jun, 2019

  • 使用马尔科夫网络的判别训练进行多实例学习

    本文提出了一种基于马尔可夫网络的多实例学习图形框架，可用于建模传统的 MIL 定义以及更一般的 MIL 定义，并在弱监督数据中探索了不同水平的不确定性。为了训练这些模型，我们提出了一种利用基于基数的 cliques 的有效推理的判别最大化边际学习算法。实验结果表明编码或学习不确定性的程度可以提高分类性能。

    Sep, 2013

  • 基于大型预训练语言模型的实用文本分类

    本文提出利用大规模无监督语言建模与微调相结合的方法来解决情感多维度分类问题，并在 SemEval2018 Task 1:E-c 上获得竞争力和实际应用价值，成果表明这种方法可以用于真实情感分类任务。

    Dec, 2018

  • 细粒度 Twitter 情感分析的多任务学习

    该研究提出了一种基于递归神经网络的多任务学习方法，能够有效地处理与情感分析相关的多个分类任务，并在优化细粒度情感分类问题中实现了领先的结果。

    Jul, 2017

  • 教育数据的情感分析和舆情挖掘：一项调查

    本文综述了情感分析在教育领域的四个级别及其在教学决策制定以及对教学质量的提升的作用，描述了使用 AI 方法和情感标注技术对学生反馈进行分析的过程和工具，并讨论了情感分析领域中的挑战和未来趋势。

    Feb, 2023