アスペクトレベルのセンチメント分類のためのターゲットと文脈の対話型モデル

An Interactive Model of Target and Context for Aspect-Level Sentiment Classification.

• Hu Han
• Guoli Liu
• Jianwu Dang

抄録

アスペクトレベルセンチメント分類は、ターゲットに対して表現されたレビューのセンチメントの極性を特定することを目的としている。近年、ニューラルネットワークを用いた手法がアスペクトレベルのセンチメント分類に成功しているが、これらの手法には、対象情報を考慮してコンテキストをモデル化する前者と、対象情報を考慮せずにコンテキストをモデル化する後者の2つのタイプがある。後者よりも前者の方が優れていると結論づけられている。しかし、多くのターゲット関連モデルは、ターゲットの影響をコンテキストモデル化に反映させているだけであり、ターゲットモデル化におけるコンテキストの役割は無視されている。本研究では、レビューを、ターゲットフレーズのある左文脈、ターゲットフレーズのある右文脈、ターゲットフレーズのある右文脈の3つの部分に分割したLT-T-TRという対話型ニューラルネットワークモデルを導入した。そして、左右の文脈とターゲットフレーズの相互作用を注目機構が利用して、左右の文脈とターゲットフレーズの表現を別々に学習する。その結果、左右の文脈やターゲットフレーズの中で最も重要な単語が捕捉され、ラップトップやレストランのデータセットを用いた結果、我々のモデルが最先端の手法よりも優れていることが示された。

Aspect-level sentiment classification aims to identify the sentiment polarity of a review expressed toward a target. In recent years, neural network-based methods have achieved success in aspect-level sentiment classification, and these methods fall into two types: the first takes the target information into account for context modelling, and the second models the context without considering the target information. It is concluded that the former is better than the latter. However, most of the target-related models just focus on the impact of the target on context modelling, while ignoring the role of context in target modelling. In this study, we introduce an interactive neural network model named LT-T-TR, which divided a review into three parts: the left context with target phrase, the target phrase, and the right context with target phrase. And the interaction between the left/right context and the target phrase is utilized by an attention mechanism to learn the representations of the left/right context and the target phrase separately. As a result, the most important words in the left/right context or in the target phrase are captured, and the results on laptop and restaurant datasets demonstrate that our model outperforms the state-of-the-art methods.

Copyright © 2019 Hu Han et al.