冷スタート対応のユーザーアテンションと製品アテンションによる感情分類

ユーザーや製品の情報が感情分析において重要な役割を果たすことは、特にレビュー数が非常に限られている新規ユーザーや新規製品（コールドスタート問題）に対して顕著です。しかし、現行のモデルはレビュー・ウェブサイトで一般的なこのコールドスタート問題に対処していません。本論文では、Hybrid Contextualized Sentiment Classifier (HCSC) を提案します。HCSC には以下の2つのモジュールが含まれています：(1) 短距離および長距離依存関係の特徴を埋め込んだ単語ベクトルを生成する高速単語エンコーダ；(2) コールドスタート問題を考慮した注意機構である Cold-Start Aware Attention (CSAA)。HCSC は、類似のユーザーや製品から構築された共有ベクトルを導入しており、元の固有ベクトルに十分な情報がない場合（つまり、コールドスタートの場合）に使用されます。これは頻度に基づく選択ゲートベクトルによって決定されます。実験結果によると、RMSE の観点から HCSC は有名なデータセット上で既存のモデルと比較して著しく優れた性能を示し、複雑さが低いにもかかわらず高速に学習できることが確認されました。さらに重要なのは、訓練データが希薄でコールドスタート問題がある場合でも、当社のモデルは以前のモデルよりも著しく優れた性能を発揮することです。