Aug, 2023

面向方向的观点对齐网络用于基于方面的情感分类

PDF
TL;DR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。
发现论文，激发创造
  • 基于注意力机制的层次化神经网络进行方面级情感分类

    本文介绍了一种利用 AOA 网络的方案，用于精准的情感分析，相较于之前的基于 LSTM 的网络结构，有更好的表现。

    Apr, 2018

  • 基于方面特定观点跨度的方面情感分析

    本文提出了一种基于多个线性链 CRFs 的详细有效的结构化关注模型，通过聚合多个线性链 CRFs，该设计允许模型提取特定方面的意见跨度，然后利用提取的意见特征评估情感极性，实验证明该模型是有效的。

    Oct, 2020

  • AoM: 多模态基于方面的情感分析中检测面向方面的信息

    本研究提出了一种面向方面的方法（AoM），旨在检测与方面相关的语义和情感信息，并使用图卷积网络模拟视觉文本和文本之间的交互，明确地引入了情感嵌入，以准确地聚合情感信息。

    May, 2023

  • 基于卷积神经网络的方面情感摘要

    该论文探讨了针对特定产品的基于方面的观点摘要 (AOS)。通过使用卷积神经网络方法，我们提出了两种方案来解决方面映射和情感分类问题，即级联的卷积神经网络和多任务卷积神经网络。实验结果表明，这两种方法均实现了 SVM 的大幅优化，多任务 CNN 相比级联 CNN 的表现更好。

    Nov, 2015

  • 面向方面级情感分类的注意力转移网络

    该研究提出了一种名为 ATN 的新型注意力传输网络，它可以成功地从资源丰富的基于文档级情感分类数据集中利用注意力知识来提高面向方面的情感分类任务的注意力能力，并在两个 ASC 基准数据集上进行实验，证明了其优于现有技术的有效性。

    Oct, 2020

  • 基于关系图注意力网络的基于方面的情感分析

    本文通过有效的句法信息编码，以新的树形结构对情感识别进行了研究，提出了关系图注意力网络（R-GAT）并在 SemEval 2014 数据集和 Twitter 数据集上进行了广泛实验，结果表明我们的方法可以更好地建立方面和意见词之间的联系，并且图注意力网络（GAT）的表现得到了显著提高。

    Apr, 2020

  • 交互式关注网络用于方面级情感分类

    本文介绍了一种交互学习的方法，并通过提出的交互式注意力网络（IAN）模型对目标和上下文进行交互式学习，从而分别生成目标和上下文的表示，从而更好地表示目标及其相互作用的上下文，有助于情感分类。实验结果表明，该模型在 SemEval 2014 数据集上具有较好的效果。

    Sep, 2017

  • CAN: 用于多方面情感分析的受限注意力网络

    本文提出了约束注意力网络，它是一个简单而有效的解决方案，用于规范多方面情感分析中的注意力，从而缓解了注意机制的缺点，并在两个公共数据集上取得了很好的实验结果，并在多任务设置中超越了最先进的方法。

    Dec, 2018

  • 基于特定方面图卷积网络的方面情感分类

    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

  • 使用端到端神经网络进行基于方面的情感分析的联合方面和极性分类

    本文提出了一种新的纵向情感分析模型，利用可训练的神经网络同时检测情感对象和其情感倾向，并使用不同的神经网络结构和词嵌入在 GermEval 2017 数据集上进行了实验。最终通过使用卷积神经网络和 fasttext 嵌入结合的方法，成功地超越了 2017 年的共享任务最佳提交结果，取得了新的最高水平。

    Aug, 2018