论文

NLP论文笔记合集（持续更新）

原论文：《LSTM-Gate CNN network for Aspect Sentiment Analysis》

介绍

2020-11发表的文章

模型结构

文章翻译

Abstract

在 aspect 情感分析任务中，当文本中出现一个或多个 aspect 词时，不同的 aspect 对应不同的情感倾向。因此，有必要准确识别不同 aspect 相应的情绪倾向。针对传统的神经网络模型不能准确地构造文本 aspect 特征和情感特征信息的问题，提出了一种基于LSTM-GateCNN网络的 aspect 情感分析模型。通过融合 attention 机制的LSTM网络对文本上下文语义信息进行建模，获得深层语义信息，结合门控卷积神经网络对文本和情感信息同时建模，最后在softmax函数层进行文本情感分类。在AI Challenger中文数据集上的实验验证了该模型的有效性，与以前的方法相比，该模型在精度上有了进一步的提高。

IV. CONCLUSION AND FUTURE WORK

提出了一种基于LSTM-门控CNN网络的 aspect 情感分析模型。该模型将循环神经网络和门控卷积神经网络相结合，通过LSTM和 attention 机制提取文本特征信息，作为门控卷积神经网络的输入。门控卷积神经网络分别对 aspect 信息和情感信息进行建模，门控单元根据 aspect 信息控制情感信息流，更有效地利用文本语义信息，并且可以并行处理。在提供的中国数据集上，我们验证了该模型的性能优于其他模型。同样，在中文细粒度情感分析中，文本提取和情感分类的准确性还需要进一步提高。在未来的研究中，我们还将尝试整合更多层次的 attention，以提高模型的分类效果。如何更有效地将情感词典整合到模型中来处理中文文本任务将是下一个研究目标。