ドキュメントレベルのセンチメント分類のためのカスケード多方向アテンション

ドキュメントレベルのセンチメント分類は、ユーザーのレビューにセンチメント極性を割り当てるタスクを指す。従来の手法は、ユーザー情報や製品情報といった外部情報を考慮せずにドキュメントの内容のみを用いるものが多く、あるいは、ユーザー、製品、およびそれらの組み合わせといった三種類の情報がテキストモデリングにおいて果たす役割を包括的に捉えていなかった。本論文では、これらの情報を適切に活用するため、ドキュメントのセンチメントを判断する際、ユーザー、製品、およびそれらの組み合わせが単語および文に対するアテンションの生成に影響を与えるという新たな視点を提示する。この考えに基づき、複数のユーザーおよび製品情報の利用方法を段階的に組み合わせて、単語層および文層におけるアテンションの生成に影響を与える「カスケード型マルチウェイアテンション（CMA）モデル」を提案する。このモデルにより、複数の表現ベクトルを用いて文およびドキュメントを効果的にモデリングでき、センチメント分類に豊かな情報が提供される。IMDBおよびYelpデータセットを用いた実験により、本モデルの有効性が確認された。