论文链接：http://www1.se.cuhk.edu.hk/~hccl/publications/pub/2015_EMNLP168.pdf
fine-grained opinion mining：细粒度意见挖掘
“John says, the hard disk is very noisy”
John---the opinion holder target---hard disk very noisy---opinion
The tasks in fine-grained opinion mining can be regarded as either a token-level sequence labeling problem or as a semantic compositional task at the sequence (e.g., phrase) level
Recurrent neural models:
vocabulary中的每个词都用D维的向量表示，共享的look-up table
look-up table
给定一个输入句子
input sentence
增加上下文，连接上下文三个词的embedding
concatenated vector送到非线性的rnn来学习high-level compositional representations，输出用softmax。
softmax
最小化the negative log likelihood(NLL)
NLL for the sentence s
ytk = 1 if the gold label yt=k otherwise 0
1. Elman-type RNN
2. Jordan-type RNN
双向RNN：
实验：
使用laptop和restaurant数据集
大部分aspect term只有一个词，大约三分之一的是有多个词的。在每个数据集中，有些句子是没有aspect terms的，有一些句子有多个aspect terms。
Evaluation metric: 标准的precision，recall，F1
a candidate aspect term is considered to be correct only if it exactly matches with the aspect term annotated by the human.
我有点摸不着头脑。。。题目明明是细粒度的意见提取，但是！实验根本没有做意见提取啊，只做了aspect term extraction，而且意见做标注可行吗，很多句子的意见都是隐性表示的，根本找不到哪个词可以标注诶。
网友评论