Attentions multiways en cascade pour la classification du sentiment au niveau du document

La classification du sentiment au niveau du document vise à attribuer une polarité émotionnelle aux avis des utilisateurs. Les méthodes précédentes ont soit uniquement exploité le contenu du document sans tenir compte des informations utilisateur et produit, soit n’ont pas considéré de manière exhaustive les rôles que ces trois types d’informations jouent dans la modélisation du texte. Dans cet article, afin d’utiliser de manière raisonnable toutes ces informations, nous proposons l'idée selon laquelle l'utilisateur, le produit ainsi que leur combinaison peuvent tous influencer la génération des attentions portées aux mots et aux phrases lors de l’évaluation du sentiment d’un document. À partir de cette idée, nous introduisons un modèle d’attention multi-directionnelle en cascade (CMA), dans lequel plusieurs modes d’utilisation des informations utilisateur et produit sont enchaînés afin d’influencer la génération des attentes aux niveaux mot et phrase. Par la suite, les phrases et les documents sont modélisés efficacement à l’aide de plusieurs vecteurs de représentation, offrant ainsi des informations riches pour la classification du sentiment. Des expériences menées sur les jeux de données IMDB et Yelp démontrent l’efficacité de notre modèle.