模型简介

这篇文章是Attention-based LSTM for Aspect-level Sentiment Classification，并且发表在EMNLP 2016 上， 作者为Yequan Wang。 基于属性的情感分析（Aspect Based Sentiment Analysis）是一种在给定的语料库中同时提取（co-extracting ）表达意见和（事物）属性/方面术语（意见目标）以及它们之间的关系的任务。 方面级情感分类是情感分析中的一项细粒度任务。在本文中，我们揭示句子的情感极性不仅由内容决定，而且是与相关方面高度相关。当以不同方面作为输入时。SemEval 2014数据集的实验及其应用结果表明，模型在方面层面上达到了最先进的性能分类。官方论文地址：https://aclanthology.org/D16-1058.pdf

---

• 1. 使用方法

  • 1.1. 模型训练

  • 1.2. 模型交叉验证

• 2. 模型来源

1. 使用方法

1.1. 模型训练

python train.py
# 该文件包含训练和评估步骤，如需可修改代码分布复现

1.2. 模型交叉验证

python train_k_fold_cross_val.py

注：

1、对于非bert模型，训练过程不是很稳定。

2、在小数据集上，基于bert的模型对超参数(特别是学习率)更加敏感

3、对特定任务进行微调是发挥BERT模型能力的必要条件。

2. 模型来源

https://github.com/songyouwei/ABSA-PyTorch