표적 감정 분석을 위한 게이트형 신경망

표적 감정 분석은 주어진 텍스트 문서에서 각 표적 개체 언급에 대한 감정 극성을 분류합니다. 초기 방법들은 표적 개체 언급에 대한 문장의 의미 정보를 포착하기 위해 자동 구문 분석 트리에서 수동 이산 특징을 추출합니다. 최근에는 트위터와 같은 잡음이 많은 텍스트에 대해 구문 분석기를 사용하지 않고도 경쟁력 있는 정확도를 달성할 수 있음을 보여주었습니다. 이는 표적 개체 언급에 따라 트위터의 간단하고 직관적인 분할에 대해 분산 단어 표현과 풍부한 신경 풀링 기능을 적용하여 이루어집니다. 본 논문에서는 풀링 기능의 한계를 해결하기 위해 문장 수준의 신경 모델을 제안하여 이 아이디어를 확장합니다. 먼저, 양방향 게이트형 신경망을 사용하여 트위터의 단어들을 연결하여 풀링 기능이 단어 대신 숨겨진 층에서 적용될 수 있도록 하여 표적과 그 맥락을 더 잘 표현할 수 있게 합니다. 둘째, 표적 언급과 그 주변 맥락 사이의 상호작용을 모델링하기 위해 삼중 게이트형 신경망 구조를 사용합니다. 실험 결과, 제안한 모델은 현재 표적 감정 분석을 위한 بهترین 방법에 비해 유의미하게 더 높은 정확도를 제공합니다.