结合规则蒸馏的情感原因发现

现有基于深度学习的情感原因发现方法往往缺乏对文本子句之间关系的建模,且存在学习过程不易控制、可解释性差和对高质量标注数据依赖过大的不足。为此,该文提出了一种结合规则蒸馏和层级注意力网络的情感原因发现方法。该方法使用结合位置编码和残差结构的层级注意力网络捕获子句内部以及子句和情感表达句之间的潜层语义关系。进而,采用基于对抗学习的知识蒸馏框架将情感原因表达相关的语言学规则引入模型,最终实现结合深度神经网络和语言学规则的情感原因发现。在中文情感原因发现数据集上的实验结果显示,该方法F1值比现有最优方法提升约0.02,达到了已知的最佳性能。