Sentiment 관련 연구를 파보자, 지금 Sentiment Analysis에 Metaphor 관련 연구를 응용하는 목표로 공부하고 있어서 Sentiment 아니어도 내가 보고 싶은 논문들이다.
ACL 2018
Identifying Transferable Information Across Domains for Cross-domain Sentiment Classification
Cross-domain sentiment analysis, target domain이 unlabeled일 때 label된 source domain을 갖다가 어찌저찌 이용하는 것. domain이 변할 때 word의 opinion이 바뀌는 경우가 많은데 (positive or negative 기준으로), 여기서 중요하게 여긴 것은, 원래 opinion을 유지하는 word는 cross-domain analysis로 사용할 수 있다는 점이다. 예를 들어 unpredictable은 movie domain에서는 positive지만 automobile domain에서는 negative다.
요러니 labeled domain에 학습된 supervised algorithm들은 unlabeled domain을 위한 일반화된 feature를 제공해 주기 힘들고, cross-domain performance가 나빠진다. \({\chi}^2\) test는 annotated corpus에서 word의 significance와 polarity를 파악하는데 쓰인다. 본 논문에서는 words의 context vector의 \({\chi}^2\) test와 cosine-similarity를 이용하여 domain들에서의 Significant Consistent Polarity (SCP)를 계산한다. SCP 계산한 다음 Ensemble-based Cross-domain Adaptation Algorithm이란 걸 이용해서 분류한다.
Learning Domain-Sensitive and Sentiment-Aware Word Embeddings
앞 논문과 같은 문제를 다룬다. words의 sentiment representation이 domain-sensitive하다는 것. 본 논문에서는 domain-sensitive와 sentiment-aware를 전부 학습하고 sentiment semantics와 domain specificity of words를 jointly modeling한다. 본 모델은 domain-common embedding과 domain-specific embedding을 동시에 만들어 낸다. word2vec의 변형이 사용됨.
Unpaired Sentiment-to-Sentiment Translation: A Cycled Reinforcement Learning Approach
Sentiment-to-Sentiment Translation은 sentence의 내용을 유지한 채 sentiment를 바꾸는 것이다. 이거는 지금 내가 강화학습을 잘 몰라서… 일단 딴거부터…
Cross-Domain Sentiment Classification with Target Domain Specific Information
domain adaptation 관련 논문 많이도 쏟아져 나왔다. domain-invariant, domain-specific embedding 뽑고 classifier를 얘네 둘 각각에 대해 학습시키고 이리저리 한다.
Domain Adapted Word Embeddings for Improved Sentiment Classification
generic embedding과 domain specific embedding을 합쳐 Domain Adapted Word Embedding 만듬. Canonical Correlation Analysis (CCA)를 사용함.
Exploiting Document Knowledge for Aspect-level Sentiment Classification
기본적인 LSTM+ATT sentiment classification에서 document-level과 aspect-level로 multi-task learning.
Efficient Large-Scale Neural Domain Classification with Personalized Attention
classification에서 아주 큰 domain에서 personalized attention을 이용하는건데 (아마존에서 냈다.) 이건 패스.
Domain Adaptation with Adversarial Training and Graph Embeddings
자연재해에 대한 sns post 데이터셋 두 개 (earthquake, flood)를 이용해서 하나는 labeled와 unlabeled data 전부, 하나는 unlabeled data만 이용한다. adversarial training을 통한 후자의 dataset에서의 adaptation.
EMNLP 2017
Sentiment Intensity Ranking among Adjectives Using Sentiment Bearing Word Embeddings
Refining Word Embeddings for Sentiment Analysis
word2vec 같은 pre-trained word vector를 가지고 sentiment를 기준으로 더 부합하도록 조정한다.
sentiment score의 사전인 sentiment lexicon을 이용하는데, target word에 대해 cosine similarity로 나온 word set을 sentiment score 기준으로 re-ranking한다. 높은 rank의 words는 더 큰 weight을 부여받는다. 요렇게 하면 words가 sentiment가 비슷한 것끼리 가깝게, 다른 것끼리 멀게 refine된다.
A Cognition Based Attention Model for Sentiment Analysis
eye-tracking data 썼음.