情感极性疑问

[monk678]

感谢作者无私开源代码~

本文的提到的模型，解决aspect级的情感分类吧，一共有N个方面，每个方面有3类。 但是，不应该再多出一个类来表示评论中是否包含该方面的信息吗？针对每个方面进行情感分类的时候，用的是交叉熵损失函数吧。这样的话，不就默认评论包含所有的aspect category吗？

[l294265421]

感觉您对我们工作的关注。期望下面能回答您的问题：

1. 实际上，这篇论文专注解决的问题是：给定一个句子，以及出现在句子里的aspect category，预测这些aspect category的情感。也就是说，我们假设aspect category是已知的（或由其它模块来预测），不关注预测句子里是否提到了某个aspect category。这是最常见的aspect category sentiment analysis的设定。（当然，后来也有一些工作，同时识别aspect category和他们的情感）
2. 情感分类的时候，是用的交叉熵损失。训练的时候，如果某个aspect category没有出现在句子中，它对于的部分不会计算损失，也不会参与梯度下降。由于假设aspect category已知（或由其它模块来预测），所以，情感分类的时候，不需要再预测句子里是否包含某个aspect category。
3. 整个模型，ACD的部分其实是在判断句子中是否包含某个aspect category；但是，这个部分的初衷是作为辅助任务发现aspect category相关的词，为了保证attention模块能发挥作用，上下文句子表示部分比较简单，直接用于预测aspect category的话，效果可能不是最好的。

[monk678]

感谢回答这么仔细，您的回答很好地解答了我的困惑

[gutianyi]

感觉您对我们工作的关注。期望下面能回答您的问题：

1. 实际上，这篇论文专注解决的问题是：给定一个句子，以及出现在句子里的aspect category，预测这些aspect category的情感。也就是说，我们假设aspect category是已知的（或由其它模块来预测），不关注预测句子里是否提到了某个aspect category。这是最常见的aspect category sentiment analysis的设定。（当然，后来也有一些工作，同时识别aspect category和他们的情感）
2. 情感分类的时候，是用的交叉熵损失。训练的时候，如果某个aspect category没有出现在句子中，它对于的部分不会计算损失，也不会参与梯度下降。由于假设aspect category已知（或由其它模块来预测），所以，情感分类的时候，不需要再预测句子里是否包含某个aspect category。
3. 整个模型，ACD的部分其实是在判断句子中是否包含某个aspect category；但是，这个部分的初衷是作为辅助任务发现aspect category相关的词，为了保证attention模块能发挥作用，上下文句子表示部分比较简单，直接用于预测aspect category的话，效果可能不是最好的。

您好我想询问一下，如果按照"为了保证attention模块能发挥作用，上下文句子表示部分比较简单"的说法，那是不是ACD部分如果使用双向LSTM来辅助ACSA模型的效果是不是就是比单向LSTM要差，这块是有做实验嘛~

[l294265421]

1. "为了保证attention模块能发挥作用，上下文句子表示部分比较简单"，可以参考这篇论文 Attention is not not Explanation https://aclanthology.org/D19-1002.pdf。
2. 当时ACD部分是试过双向LSTM的，具体结果记不清了，需要找下。记得比较清楚的是，可视化效果会变差，就是attention权重大的词，不一定是我们认为重要的词。

[gutianyi]

恩恩 了解了 感谢