要約
ニューラルシーケンスモデルは、文章レベルの感情分類において大きな成功を収めています。しかし、一部のモデルは極めて複雑であるか、または高コストの特徴量に依存しています。また、他のモデルは既存の言語資源の価値を認識しているものの、その利用が十分でない場合があります。本論文では、感情辞書（+/-）、否定詞、強調詞などの辞書情報を組み込む新しい一般的な手法を提案します。単語には詳細なラベルと大まかなラベルが付与されます。提案手法はまず、詳細なラベルを感情埋め込みにエンコードし、それを単語埋め込みと結合します。次に、大まかなラベルを利用して注意機構を強化し、感情に関連する単語に大きな重みを与えるようにします。実験結果は、SST-5およびMRデータセットにおいて提案手法がニューラルシーケンスモデルの分類精度を向上させることを示しています。特に、強化されたBi-LSTMモデルは高コストのフレーズレベルアノテーションを使用するTree-LSTMと比較可能な性能を達成しました。さらに分析した結果、大部分の場合において辞書資源が適切なアノテーションを提供できることと、提案手法が避けられない誤ったアノテーションの影響を克服できる能力があることが明らかになりました。