-
【论文阅读】Rethinking Attribute Representation and Injection for Sentiment Classification (EMNLP 2019)
Task Sentiment Classification with attributes(user, product) Motivation 在情感分析中，一些文本自带的属性信息，如user（文本是谁写的）、product（文本是关于什么产品的）信息通常会对情感分析有一定 的帮助，所以最近的一些工作都会用他们来提升模型性能和增加可解释性。 但是，现有的很多方法都是使用注意力机制来进行外部信息的融合，具体的计算公式如下： $$ a = softmax(v^Te) $$ $$ e = t…
-
【论文阅读】SentiBERT: A Transferable Transformer-Based Architecture for Compositional Sentiment Semantics (ACL 2020)
Task Sentiment Analysis 树结构 1. Constituency tree（句法树），用句法规则，递归的构建出树的结构来表示一句话，其只有叶子结点与输入句子中的词语相关联，其他中间结点都是标记短语成分。 1. Dependency tree（依存树），用单词之间的依存关系来表达语法。如果一个单词修饰另一个单词，则称该单词依赖于另一个单词。 Motivation The sentiment of an expression is det…
-
【论文阅读】Graph Neural News Recommendation with Unsupervised Preference Disentanglement (ACL 2020)
Task News Recommendation：给定一系列成对的user-news的数据，表示user之前看过news，预测对于一个未见过的news，user是否会看。 Motivation 之前的做News Recommendation的方法通常的关注点是以下几类： * 充分利用用户的历史信息，做personalized News Recommendation * 利用文本内容，得到user和news的好的表示 * 利用外部知识 * 利用topic信息…
-
【论文阅读】Explainable and Discourse Topic-aware Neural Language Understanding (ICML 2020)
Task Language modelling，计算一个序列的概率，这篇论文的一个任务就是预测下一个词。 Motivation 1. LM一般做的是sentence-level的，但是有的时候全文的信息对当前句子的预测也很重要。如果输入的是document，做document-level LM，由于LM一般是RNN的总是，对于超过200个词的文本仍然存在之前信息遗忘的现象，所以就有人提出向LM里加入TM的信息来加入全文的信息。之前的方法一般加入的都是文本的topic distri…
-
【论文阅读】Topic model + 监督任务论文小结
Topic-Aware Deep Compositional Models for Sentence Classification(2017) 2017年的一篇文章，还没用到NTM，是pre-train的TM。论文整体不复杂，就是对于一个单词同时使用pre-train的word embedding和TM得到的topic embedding（这个是word的topic embedding，维度为1 * K）。然后输入到一个deep compositional model得到最终表示。mu…
-
【论文阅读】Aspect Sentiment Classification with Document-level Sentiment Preference Modeling (ACL 2020)
Task Aspect Sentiment Classification (ASC) 例子：The restaurant has quite low price but the food tastes not good Price：positive Food：negative Motivation 通常的方法都是sentence-level的，即针对一个sentence，每次分析一个aspect的情感，各个sentence之间是互相独立的。但是实际上，sentence是d…
-
【论文阅读】ACL 2019 - Sentiment Analysis and Argument Mining
1. Are You Convinced? Choosing the More Convincing Evidence with a Siamese Network 这篇文章是IBM的文章，关于论辩挖掘中的论辩的确定性判断。这篇文章的一个主要的工作就是构建了一个新的数据集。方法用了Siamese network（孪生网络）的改进版。 2. From Surrogacy to…
-
【论文阅读】ACL2019 泛读清单
1. One Time of Interaction May Not Be Enough: Go Deep with an Interaction-over-Interaction Network for Response Selection in Dialogues 是北大和微软合作的论文，解决的问题是对话系统中的response selection。模型需要计算用户聊天ci和回答ri之间的匹配得分，来表明两者是否是关联的。…
-
【论文阅读】Text Level Graph Neural Network for Text Classification (EMNLP 2019)
Motivation 传统的针对文本分类的GNN通常是构建一个固定的corpus level的图，这种图一般是静态图，有如下特征和缺点： 1. Corpus level，一般事先将所有的文档建模到图中。但这会使得计算资源消耗大，并且不可动态地增加文档，不可以进行online test。 2. 边的权重预先设定好，不可更改。受到预先设定的限制，并且降低了边的表达能力。 所以针对以上缺点，本文提出了一种新的文档级别的GNN方法。 Method 建图…
-
【论文阅读】Knowledge-Enriched Transformer for Emotion Detection in Textual Conversations (EMNLP 2019)
Motivation 人们的对话中通常包含着很多情感信息。但是人们通常在对对话进行情感分析的时候具有如下两个特点： 1. 考虑上下文的信息。 2. 人们本身具有一定的commonsense knowledge，利用commonsense knowledge进行对话分析。 所以针对如上两个特点，本文提出了Knowledge-Enriched Transformer（KET）模型，该模型使用了层次的self-attention来得到文档的上下文关系，而且与之前方法…