私を理解してください。あなたが「Aspect Knowledge: Knowledge-aware Gated Recurrent Memory Network」と指す場合、これは知識を意識したゲート付き再帰記憶ネットワークを意味します。

アスペクトレベル感情分類（Aspect-level Sentiment Classification: ASC）は、レビュー文中に言及された特定のアスペクトに対する細粒度な感情極性を予測することを目的としている。近年のASCに関する研究進展にもかかわらず、機械がアスペクトの感情を正確に推論することは依然として困難な課題である。本論文では、ASCにおける以下の2つの課題に取り組む。第一に、アスペクトに関する知識が不足しているため、従来の手法で得られるアスペクト表現は、アスペクトの正確な意味や性質情報を十分に表現できていない。第二に、従来の手法は局所的な構文情報または全体的な関係性情報を単独で捉えているため、どちらか一方を欠くことで構文情報が不十分となる。これらの課題に対処するため、本研究では、アスペクト知識をエンドツーエンドで埋め込み・活用するだけでなく、2種類の構文情報を統合し、互いに補完し合う新たなASCモデルを提案する。本モデルは以下の3つの主要な構成要素からなる。（1）知識を意識したゲート付き再帰的記憶ネットワークは、動的に要約されたアスペクト知識を反復的に統合する。（2）デュアル構文グラフネットワークは、2種類の構文情報を統合し、十分な構文情報を包括的に捉える。（3）知識統合ゲートは、最終的な表現にさらに必要なアスペクト知識を再強化する。（4）アスペクトから文脈へのアテンションメカニズムは、すべての隠れ状態からアスペクト関連の意味情報を集約し、最終表現に反映する。複数のベンチマークデータセットにおける実験結果から、本モデルの有効性が確認された。特に、AccuracyおよびMacro-F1の両指標において、従来の最先端モデルを大きく上回っている。