발표에 대한 feedback 페이지

발표자는 간략히 발표내용에 대해 작성

Purpose

Multi-view representation을 통한 ABSA(Aspect-Based Sentiment Analysis) 연구.

Introduction

기존 ABSA는 1) Context-based 2) Syntax-based 3) External Knowledge-based 방식으로 수행된다. 이 중 3) External Knowledge-based 방식에서 subgraph를 만들 때, aspect term이 많을 경우, 그 크기는 매우 커지고 많은 연산량을 요구함. 따라서, 이러한 externel knowledge를 효과적으로 사용하는 KGAN 모델을 제안함.

Contribution

  1. Multiview representations을 통한 서로 다른 정보(context-, syntax-, knowledge-based)를 활용.

  2. 이 정보를 효과적으로 fusion하는 hierarchical fusion module 제안.

Method

1) Context-based : BiLSTM과 attention mechanism을 통해 contextual representation 생성.

2) Syntax-based : Dependency parsing과 GCN을 통해 syntactic representation 생성.

3) External Knowledge-based : WordNet KG를 활용해 문장 해석의 어려움을 완화시키고, aspect-specfic knowledge representation 생성.

4) Hierarchical Fusion module : 각 module 에서 나온 정보들을 local-to-global manner 기반으로 최종 representation 생성.

Conclusion

Benchmark datasets에 대해 실험한 결과, baselines 보다 우수한 성능을 보였으며, 여러 ablation study를 통해 방법론의 필요성을 증명했음. 또한 latency와 performance 간의 trade-off가 적다는 것을 증명하여 모델의 robustness를 보임.

개인 의견

개인 의견 작성