초록
우리는 측면 수준 감성 분류를 위한 딥 메모리 네트워크를 소개합니다. 피처 기반 SVM이나 LSTM과 같은 순차적 신경 모델과 달리, 이 접근 방식은 측면의 감성 극성을 추론할 때 각 문맥 단어의 중요성을 명시적으로 포착합니다. 이러한 중요도와 텍스트 표현은 외부 메모리를 대상으로 하는 여러 계산 레이어에서 각각 신경망 주의 모델을 통해 계산됩니다. 노트북 및 음식점 데이터셋에 대한 실험 결과, 우리의 접근 방식은 최신 피처 기반 SVM 시스템과 유사한 성능을 보였으며, LSTM 및 주의 기반 LSTM 아키텍처보다 현저히 우수한 성능을 나타냈습니다. 두 데이터셋 모두에서 여러 계산 레이어가 성능 향상에 도움이 될 수 있음을 보여주었습니다. 또한, 우리의 접근 방식은 빠르다는 장점도 있습니다. 9개 레이어로 구성된 딥 메모리 네트워크는 CPU 구현에서 LSTM보다 15배 더 빠릅니다.