Key points are not available for this paper at this time.
교차 도메인 감정 분류는 소스 도메인에서 유용한 정보를 활용하여 감독 정보가 없거나 거의 없는 타겟 도메인에서 감정 분류를 수행하는 것을 목표로 합니다. 기존의 교차 도메인 감정 분류 방법은 도메인별 감정 단어인 비축과 도메인 공유 감정 단어인 축을 동시에 자동으로 포착하지 못합니다. 이 문제를 해결하기 위해 우리는 교차 도메인 감정 분류를 위한 계층적 주의 전이 네트워크(HATN)를 제안합니다. 제안된 HATN은 비축과 비축을 자동으로 포착하여 감정에 대한 주의를 도메인 간에 전이할 수 있는 계층적 주의 전이 메커니즘을 제공합니다. 또한, 주의 메커니즘의 계층 구조는 문서의 계층 구조를 반영하여 비축과 비축을 보다 잘 파악하는 데 도움을 줍니다. 제안된 HATN은 P-net이라는 하나의 네트워크는 축을 찾는 것을 목표로 하고, 다른 하나인 NP-net은 축을 다리로 사용하여 비축을 정렬하는 두 개의 계층적 주의 네트워크로 구성됩니다. 구체적으로 P-net은 먼저 개별 주의 학습을 수행하여 NP-net을 위한 긍정적 및 부정적 축을 제공합니다. 그런 다음 P-net과 NP-net은 공동 주의 학습을 수행하여 HATN이 동시에 축과 비축을 포착하고 도메인 간 감정에 대한 주의를 전이할 수 있도록 합니다. 아마존 리뷰 데이터셋에 대한 실험은 HATN의 효과를 입증합니다.
Li 외. (Thu,)는 이 질문을 연구했습니다.
Synapse has enriched 5 closely related papers on similar clinical questions. Consider them for comparative context: