Réseau de Transfert d'Attention Interactif pour la Classification des Sentiments en Domaines Croisés

La classification des sentiments en domaines croisés fait référence à l'utilisation de connaissances utiles dans le domaine source pour aider à la classification des sentiments dans le domaine cible qui a peu ou pas de données étiquetées. La plupart des méthodes existantes se concentrent principalement sur l'extraction des caractéristiques communes entre les domaines. Malheureusement, elles ne peuvent pas pleinement prendre en compte les effets de l'information relative aux aspects (par exemple, l'autonomie de la batterie lors de l'évaluation d'un produit électronique) des phrases. Afin de mieux résoudre ce problème, nous proposons un Réseau de Transfert d'Attention Interactif (IATN) pour la classification des sentiments en domaines croisés. L'IATN fournit un mécanisme de transfert d'attention interactif, qui peut mieux transférer les sentiments entre les domaines en incorporant les informations des phrases et des aspects. Plus précisément, l'IATN se compose de deux réseaux d'attention, l'un d'eux sert à identifier les caractéristiques communes entre les domaines par la classification des domaines, et l'autre vise à extraire des informations à partir des aspects en utilisant les caractéristiques communes comme un pont. Ensuite, nous effectuons un apprentissage d'attention interactif pour ces deux réseaux afin que les phrases et les aspects puissent influencer la représentation finale du sentiment. D'importantes expériences sur le jeu de données des avis Amazon et le jeu de données des avis sur le financement participatif montrent non seulement l'efficacité et l'universalité de notre méthode, mais aussi fournissent un moyen interprétable de suivre les informations d'attention pour le sentiment.