论文读书笔记-semi-supervised recursive autoencoders for predicting sentiment distributions

绝地灬酷狼 2022-04-23 23:46 133阅读 0赞

文章主要介绍了使用递归自编码器做句子情感分类的方法。和之前的方法相比，本文的算法没有使用任何预设定的情感词汇和极性转换规则。并在movie reviews数据集上取得了SOTA的效果。  
当时主流的方法还是词袋模型，但词袋模型无法很好的句法信息，而一些改进则利用的是一些手工特征（如：情感词，解析树，极性转换规则）  
本论文的创新：

使用层次结构和成分语义信息  
可以使用无标签数据，也可以监督学习，且不需要手工特征  
没有把情绪限制在积极/消极， 而把情绪映射到一个复杂的相互关联的分布

文章介绍了一个使用半监督学习的递归自编码器，它以词嵌入为输入，使用层次的结构从非监督文本中学习词汇和句子表示，并使用层次结构中的节点来预测情感标签的分布。  
\---------------------   
作者：Doit\_   
来源：CSDN   
原文：https://blog.csdn.net/qq\_31456593/article/details/88880523   
版权声明：本文为博主原创文章，转载请附上博文链接！

这篇文章主要介绍了如何把深度学习的方法对文本进行分析，得到这段文本中表现的用户情感。在做文本分析时，依据词向量得到某一段文字的向量空间，然后逐层向上分析，继而得到整段文字的向量表示，对这个向量分析得到用户的情感。  
   
下面是本文的一些要点：  
1、  前人的工作  
almost all previous work is based onsingle, positive/negative categories or scales such as star ratings.之前都是基于单一化(估计只有一个顶)，赞成/反对，星级评分这些对用户情感进行分析。  
   
2、  这篇文章要解决的三个问题  
\-Our model exploits hierarchical structureand uses compositional semantics to understand sentiment.即使用层次化的方法去理解结构和语意  
\-trained both on unlabeled domain data andon supervised sentiment data and does not require any language-specificsentiment lexica or parsers.可以用无标记或者有标记的数据进行训练，不需要任何语言字典  
\-a multidimensional distribution overseveral complex, interconnected sentiments.能够针对较复杂的有联系的情感进行分析  
   
3、  训练数据  
Confessions are labeled with a set of fivereactions by other users.  
You rock(expressing approvement )  
Tehee(amusement)  
I understand  
Sorry  
Hugs  
Wow  
Just wow(displaying shock)  
以上就是训练数目中提供的用户情感分类  
   
4、  单词向量表示  
文章这里是把单词看成神经网络中的一个个神经元，为了表示这些神经元需要把单词转换为向量形式。作者这里采用了两种不同的方法：  
\-initialize each word vector x by samplingit from a zero mean Gaussian distribution.按照高斯分布对每个单词随机分配一个向量，然后用神经网络不断修正这些向量来满足已有的情感标记分布情况。  
\-pre-train the word vectors with anunsupervised neural language model.   Thesemodels jointly learn a embedding of words into a vector space and use thesevectors to predict how likely a word occurs given its context.使用无监督的神经语言模型进行单词向量的识别。  
在把单词向量化之后，就得到一个单词向量空间L。假设我们现在有m个词，每个词对应一个索引k，指向单词向量空间第k个位置，于是要求出每个单词就变成了一个投影运算：

这里b是一个0,1二元向量，只有k的位置为1，其余位置均为0.  
继而一个句子能够表示成一个向量组(x1,…xm)。这种表示方式比之前的二元表示方式更容易进行自动编码。  
   
5、  传统递归编码  
自动编码的目的针对输入的数据学习得出一种表现形式。  
给定一个向量组x=(x1,…xm)，通过学习得到下面一棵树：

第一个父节点y1通过(c1,c2)=(x3,x4)得到：

W是两个孩子节点链接向量，为了验证这种方法是否可靠，可以用得到的数据还原出原来的叶子节点，比较两者的差异：

上面是通过得到的数据还原得到叶子节点。

通过欧几里得距离判断误差。  
不断向上迭代，把得到的y1看成叶子节点，最终构造出整棵树。  
   
6、  无监督递归编码  
我们的目的就是最小化重构树的误差。假设A(x)代表从语句x能够构造树的全部可能集合，T(y)是一个函数，返回树中所有非叶子节点的索引s。于是误差率表示为：

可以通过贪心算法来求解，类似于赫夫曼编码，首先两两配对，每次选取误差最小的那个组合。it selects the pair which had the lowest reconstruction error (Erec)and its parent representation p will represent this phrase and replace bothchildren in the sentence word list.  
不过，在构造时，需要考虑到不同节点之间的权重，比如两个节点(x3,x4)得到父节点y1和叶节点x1进行合并时不能看成是同等级别的：

最后是进行归一化操作：

7、  半监督递归编码  
前面通过贪心算法构造出了表征这段文本的树，就可以用这棵树来描述这段文本。利用这一点，在每个父节点上增加一个平滑层就能够预测每个类别的分布情况：

假设我们有K个标签，d就是一个K维的分布，∑d=1

假设tk表示多标签中第k个元素的分布情况，我们能够得到关于dk的一个概率，然后进行交叉验证：

最终半监督RAE目标函数为：

其中：

针对这个目标函数，采用梯度下降求解即可：

最后是和其他方法对比的效果：  
\---------------------   
作者：Felven   
来源：CSDN   
原文：https://blog.csdn.net/zhaoxinfan/article/details/14524697   
版权声明：本文为博主原创文章，转载请附上博文链接！