阅读笔记：Embarrassingly Simple Unsupervised Aspect Extraction

pdf：https://www.aclweb.org/anthology/2020.acl-main.290.pdf

特点：

- 简单的无监督的方面提取方法

- 只需要利用POS标注和领域词向量

- 在小规模数据级上训练

- 模型自动进行分配方面标签。

模型示意图：

方法：

step 1：aspect term extraction. use spaCy for tokenization and POS tagging

step 2: aspect selection using Contrastive Attention.

$att = \frac{\sum\nolimits_{a\in A}{\rm rbf}(w, a, \gamma ) }{\sum\nolimits_{w\in S}\sum\nolimits_{a\in A}{\rm rbf}(w, a, \gamma ) }$ （rbf, Radial Basis Function）

$d=\sum_{i}att_iS_i$

S: a sequence of word embeddings

A: aspect representation vectors

${\rm rbf}(x,y,\gamma )={\rm exp}(-\gamma\left \| x-y\right \|_2^2)$

Step 3: assigning aspect labels.

$\hat{y} ={\rm argmax}_{c\in C} (cos(d,\vec{c}))$

C：the set of aspect labels. 计算时采用方面标签的词向量。

分析：

- The in-domain word embeddings are required to achieve good performance.

- Several of the errors relate to Out-of-Vocabulary (OOV) or low-frequency items,

- Because restricting to nouns, the model also misses aspects expressed in verbs

最后编辑于：2020.10.07 09:32:16

©著作权归作者所有,转载或内容合作请联系作者
【社区内容提示】社区部分内容疑似由AI辅助生成，浏览时请结合常识与多方信息审慎甄别。
平台声明：文章内容（如有图片或视频亦包括在内）由作者上传并发布，文章内容仅代表作者本人观点，简书系信息发布平台，仅提供信息存储服务。

阅读笔记：Embarrassingly Simple Unsupervised Aspect Extraction

特点：

模型示意图：

方法：

分析：

友情链接更多精彩内容