pdf: https://www.ijcai.org/Proceedings/2019/0712.pdf
概述：
- Sememes概念：是词义最小的语义单位， 通常作为词汇语义资源的注释。（Leonard Bloomfield. A set of postulates for the science of language. Language, 1926）
- 利用外部词汇语义资源Sememes，在无监督的框架下建立利用无标注语料的神经网络模型。
- 整体框架类似于自编码器，以句子表示向量作为输入。然后，reconstructed by a linear combination of aspect embeddings and a latent variable sampling from a learned distribution.
模型：
包括编码和解码两步骤。编码阶段将句子表示向量降维压缩成
，
是方面数目；解码阶段，输出句子表示向量
由
和方面表示向量集合
计算得到，
是词向量维度。
编码： (
根据输入句向量
计算)
解码：
训练目标：
方法一：Aspect Extraction with Sememe Attentions (AE-SA),
句向量：
第
个sense表示向量计算：
更新词向量：
更新句向量表示：
方法二：Aspect Extraction via Contextenhanced Sememe Attentions (AE-CSA)
- 在AE-SA中添加RNN结构,利用词义信息按顺序构建输入句子隐藏表示向量。
