A Hierarchical End-to-End Model for Jointly Improving Text Summarization and Sentiment Classification, Shuming Ma+, N/A, arXiv'18

[AkihikoWatanabe]

URL

• https://arxiv.org/abs/1805.01089

  Affiliations

  • Shuming Ma, N/A
  • Xu Sun, N/A
  • Junyang Lin, N/A
  • Xuancheng Ren, N/A

    Abstract

  • Text summarization and sentiment classification both aim to capture the mainideas of the text but at different levels. Text summarization is to describethe text within a few sentences, while sentiment classification can be regardedas a special type of summarization which "summarizes" the text into a even moreabstract fashion, i.e., a sentiment class. Based on this idea, we propose ahierarchical end-to-end model for joint learning of text summarization andsentiment classification, where the sentiment classification label is treatedas the further "summarization" of the text summarization output. Hence, thesentiment classification layer is put upon the text summarization layer, and ahierarchical structure is derived. Experimental results on Amazon onlinereviews datasets show that our model achieves better performance than thestrong baseline systems on both abstractive summarization and sentimentclassification.

    Translation (by gpt-3.5-turbo)

• テキスト要約と感情分類は、両方ともテキストの主要なアイデアを捉えることを目的としていますが、異なるレベルで行われます。テキスト要約は、数文でテキストを説明することを目的としていますが、感情分類は、テキストをより抽象的な形式である感情クラスに「要約」する特別なタイプの要約と見なすことができます。この考えに基づいて、テキスト要約と感情分類の共同学習のための階層的なエンドツーエンドモデルを提案します。ここでは、感情分類ラベルをテキスト要約の出力のさらなる「要約」として扱います。したがって、感情分類層はテキスト要約層の上に配置され、階層構造が導出されます。Amazonオンラインレビューデータセットでの実験結果は、提案モデルが抽象的な要約と感情分類の両方で強力なベースラインシステムよりも優れた性能を発揮することを示しています。

  Summary (by gpt-3.5-turbo)

• テキスト要約と感情分類を共同学習するための階層的なエンドツーエンドモデルを提案し、感情分類ラベルをテキスト要約の出力の「要約」として扱う。提案モデルはAmazonオンラインレビューデータセットでの実験で、抽象的な要約と感情分類の両方で強力なベースラインシステムよりも優れた性能を発揮することが示された。

[AkihikoWatanabe]

review summarizationに初めてamazon online review data #653 使った研究？