已入深夜,您辛苦了!由于当前在线用户较少,发布求助请尽量完整地填写文献信息,科研通机器人24小时在线,伴您度过漫漫科研夜!祝你早点完成任务,早点休息,好梦!

Sentiment Lexical Strength Enhanced Self-supervised Attention Learning for sentiment analysis

计算机科学 情绪分析 光学(聚焦) 人工智能 自然语言处理 背景(考古学) 词(群论) 机器学习 语言学 生物 光学 物理 哲学 古生物学
作者
Xi Wang,Mengmeng Fan,Mingming Kong,Zheng Pei
出处
期刊:Knowledge Based Systems [Elsevier BV]
卷期号:252: 109335-109335 被引量:5
标识
DOI:10.1016/j.knosys.2022.109335
摘要

In Natural Language Processing (NLP), attention mechanism is often used to quantify the importance of the context word in sentiment prediction. However, it tends to focus on high-frequency words, while ignoring low-frequency words that have an active effect in some positions. In this paper, we propose a Sentiment Lexical Strength Enhanced Self-supervised Attention Learning (SLS-ESAL) approach. Specifically, we iteratively mine attention supervision information from all input sentences. Then we use weights quantified by sentiment lexical strength to enhance attention learning in final training, which enables our model to continue to focus on the active context words in different positions and eliminate the effects of the misleading context ones. Experiments on three datasets show that our approach can improve sentiment analysis performance and verify attention weights can be used as an explanation for text classification.
最长约 10秒,即可获得该文献文件

科研通智能强力驱动
Strongly Powered by AbleSci AI
更新
PDF的下载单位、IP信息已删除 (2025-6-4)

科研通是完全免费的文献互助平台,具备全网最快的应助速度,最高的求助完成率。 对每一个文献求助,科研通都将尽心尽力,给求助人一个满意的交代。
实时播报
挤爆沙丁鱼完成签到,获得积分10
刚刚
lf发布了新的文献求助10
刚刚
科研通AI2S应助科研通管家采纳,获得10
3秒前
科研通AI5应助科研通管家采纳,获得10
3秒前
完美世界应助科研通管家采纳,获得10
3秒前
5秒前
9秒前
mmyhn完成签到,获得积分10
11秒前
懂得瞧发布了新的文献求助10
12秒前
12秒前
大个应助研友_Zzy1pn采纳,获得10
14秒前
橘猫217发布了新的文献求助10
17秒前
18秒前
ktw完成签到,获得积分10
19秒前
ofafafa完成签到 ,获得积分10
22秒前
sunshihaoya发布了新的文献求助10
23秒前
jyy完成签到,获得积分10
24秒前
一枚青椒完成签到,获得积分10
26秒前
懒得起名字完成签到 ,获得积分20
27秒前
灰色白面鸮完成签到,获得积分10
35秒前
35秒前
36秒前
懂得瞧完成签到,获得积分20
39秒前
COF发布了新的文献求助10
40秒前
与于完成签到,获得积分10
41秒前
45秒前
吉林完成签到 ,获得积分10
49秒前
COF完成签到,获得积分20
52秒前
开朗满天完成签到,获得积分10
53秒前
斯文败类应助xiaoxiong采纳,获得10
54秒前
55秒前
55秒前
huangy发布了新的文献求助10
57秒前
dd发布了新的文献求助10
58秒前
Marshall完成签到 ,获得积分10
1分钟前
xiaoxiong完成签到,获得积分10
1分钟前
研友_Zzy1pn完成签到,获得积分10
1分钟前
dd完成签到,获得积分10
1分钟前
1分钟前
sunshihaoya完成签到,获得积分10
1分钟前
高分求助中
A new approach to the extrapolation of accelerated life test data 1000
Picture Books with Same-sex Parented Families: Unintentional Censorship 700
ACSM’s Guidelines for Exercise Testing and Prescription, 12th edition 500
Nucleophilic substitution in azasydnone-modified dinitroanisoles 500
不知道标题是什么 500
Indomethacinのヒトにおける経皮吸収 400
Phylogenetic study of the order Polydesmida (Myriapoda: Diplopoda) 370
热门求助领域 (近24小时)
化学 材料科学 医学 生物 工程类 有机化学 生物化学 物理 内科学 纳米技术 计算机科学 化学工程 复合材料 遗传学 基因 物理化学 催化作用 冶金 细胞生物学 免疫学
热门帖子
关注 科研通微信公众号,转发送积分 3976600
求助须知:如何正确求助?哪些是违规求助? 3520689
关于积分的说明 11204470
捐赠科研通 3257316
什么是DOI,文献DOI怎么找? 1798683
邀请新用户注册赠送积分活动 877881
科研通“疑难数据库(出版商)”最低求助积分说明 806613