SentimentAnalysis


Paper/Blog Link My Issue
#RecommenderSystems #Pocket #NLP #Conversation #EMNLP #Emotion Issue Date: 2018-01-01 GPT Summary- MoodSwipeは、ユーザーの指定した感情に基づいてテキストメッセージを提案するソフトキーボードで、実際の対話データを活用しています。感情分類とテキスト提案の技術を楽しむための便利なインターフェースを提供し、同時にラベル付きデータを自動収集します。ユーザーは通常通り入力しつつ、感情を感知して提案を受け取ることができ、感情が提案の媒介として機能します。実験により、感情分類モデルの優位性と、感情の手がかりがテキスト提案において重要であることを示しました。

Paper/Blog Link My Issue
#NeuralNetwork #Tutorial #NLP #Slide #EMNLP Issue Date: 2018-01-01 GPT Summary- 感情分析におけるニューラルネットワークモデルの紹介を行うチュートリアル。単語埋め込み、シーケンスモデル、ツリー構造モデルの数学的側面と利用方法を議論し、感情指向の埋め込みや文・文書レベルの感情分析に焦点を当てる。内容は3つのセクションに分かれ、基本概念から具体的なモデル（CNN、RNN、LSTMなど）までをカバーする。

Paper/Blog Link My Issue
#NeuralNetwork #Document #Embeddings #NLP #EMNLP #KeyPoint Notes Issue Date: 2017-12-28 Comment

word level -> sentence level -> document level のrepresentationを求め、documentのsentiment classificationをする話。

documentのRepresentationを生成するときに参考になるやも。

sentenceのrepresentationを求めるときは、CNN/LSTMを使う。

document levelに落とすことは、bi-directionalなGatedRNN(このGatedRNNはLSTMのoutput-gateが常にonになっているようなものを使う。sentenceのsemanticsに関する情報を落としたくないかららしい。)を使う。

sentiment classificationタスクで評価し、(sentence levelのrepresentationを求めるときは)LSTMが最も性能がよく、documentのrepresentationを求めるときは、standardなRNNよりもGatedRNNのほうが性能よかった。




Paper/Blog Link My Issue
#Article #NeuralNetwork #NLP #RepresentationLearning Issue Date: 2021-06-01 Comment

[Paper Note] DKN: Deep Knowledge-Aware Network for News Recommendation, Hongwei Wang+, arXiv'18, 2018.01 より、本論文を引用して「CNN ベースのモデルが、畳み込み演算により文から特定のローカルパターンを検出して抽出できるため、他のモデル（e.g. Recurrent Neural Network, Recursive Neural Network）よりも優れていることが経験的に示されている」とのこと