[论文解读] Deep Learning for Sentiment Analysis : A Survey

Lei Zhang, Shuai Wang+1 more|arXiv (Cornell University)|Jan 24, 2018

Sentiment Analysis and Opinion Mining参考文献 5被引用 50

一句话总结

本论文综述深度学习方法在情感分析中的应用，并总结了架构、数据集和应用。

ABSTRACT

Deep learning has emerged as a powerful machine learning technique that learns multiple layers of representations or features of the data and produces state-of-the-art prediction results. Along with the success of deep learning in many other application domains, deep learning is also popularly used in sentiment analysis in recent years. This paper first gives an overview of deep learning and then provides a comprehensive survey of its current applications in sentiment analysis.

研究动机与目标

• 提供深度学习及其对情感分析影响的概览。
• 对深度学习在情感分析中的当前应用进行全面综述。
• 讨论该领域中常见的架构、数据集、任务和评估实践。

提出的方法

• 回顾并综合用于情感分析的现有深度学习方法。
• 对情感任务中常用的架构和模型进行分类。
• 总结文献中的数据集、任务和评估实践。

实验结果

研究问题

• RQ1 哪些深度学习技术已被应用于情感分析，它们如何分类？
• RQ2 在基于深度学习的情感分析中常用哪些数据集和基准任务，存在哪些评估实践？
• RQ3 在将深度学习应用于情感分析方面，主要趋势、挑战和未解决的问题是什么？

主要发现

• 提供了情感分析中深度学习应用的全面综述。
• 总结在情感任务中经常使用的架构、模型和组件。
• 讨论文献中常见的数据集和评估实践。
• 关于当前趋势及基于深度学习的情感分析潜在研究方向的高层次见解。