Open magicpieh28 opened 5 years ago
Author: Xin Li, Wai Lam Link: http://aclweb.org/anthology/D17-1310
aspectとopinion抽出のためのモデルを提案。aspectのためのA-LSTMとopinionのためのO-LSTM、そしてこの二つの情報を用いてテキストの感情を分類するためのS-LSTMを用いて取り組んだもの。
A-LSTM
MIN
＊個人的な疑問1：該当単語を含まずクラスタリングを行うと分布が正しく計算できないはずなのでは。 ＊個人的な疑問2：foodやserviceのような単語は感情表現ではないため、分類の精度を悪くする恐れがあり、特別な制約を立ててaspectをとるらしいが、aspectとopinionは必ず共起するので（Introductionに書かれてある）除いてはいけないのでは。 ＊fusion memoryって何。
SemEval ABSA challenge 2014/2016: Laptop, Restaurant (Gold Standardデータを含んでいるため) MPQA: opinionはGold Standardデータが特に提供されてないので、極めて主観的判断でlexicon単語を選択し、Gold Standardデータとして用いる
レストランの場合、word2vecの200次元で訓練 ノートパソコンの場合、あらかじめ訓練されたglove.840B.300dを使用 隠れ表現：100(A-LSTM), 20(O-LSTM), 40(S-LSTM) optimizer: Adam dropout: 0.4 aspect memory: 4 train 5 models 評価指標：F1
ない
-
about this paper
Author: Xin Li, Wai Lam Link: http://aclweb.org/anthology/D17-1310
aspectとopinion抽出のためのモデルを提案。aspectのためのA-LSTMとopinionのためのO-LSTM、そしてこの二つの情報を用いてテキストの感情を分類するためのS-LSTMを用いて取り組んだもの。
aim
problems
how to solve
model
A-LSTM
MIN
＊個人的な疑問1：該当単語を含まずクラスタリングを行うと分布が正しく計算できないはずなのでは。 ＊個人的な疑問2：foodやserviceのような単語は感情表現ではないため、分類の精度を悪くする恐れがあり、特別な制約を立ててaspectをとるらしいが、aspectとopinionは必ず共起するので（Introductionに書かれてある）除いてはいけないのでは。 ＊fusion memoryって何。
experiments
datasets
SemEval ABSA challenge 2014/2016: Laptop, Restaurant (Gold Standardデータを含んでいるため) MPQA: opinionはGold Standardデータが特に提供されてないので、極めて主観的判断でlexicon単語を選択し、Gold Standardデータとして用いる
setting
レストランの場合、word2vecの200次元で訓練 ノートパソコンの場合、あらかじめ訓練されたglove.840B.300dを使用 隠れ表現：100(A-LSTM), 20(O-LSTM), 40(S-LSTM) optimizer: Adam dropout: 0.4 aspect memory: 4 train 5 models 評価指標：F1
results
code
ない
next
-