《Recurrent Attention Network on Memory for Aspect Sentiment Analysis》

 

 

---

Abstract

1. Attention能捕捉到长期的特征，面对无关的特征，更有健壮性。

2. muti-Attenion，联合RNN加强了表达能力。

3. 不光是帮我们避免了劳动密集型操作，还提供了量身定做的记忆针对于不同的memory（这是weighted-memory机制）

4. 除了Semval还在Chinese news comment dataset上进行了操作。

---

作者的模型分为五部分，输入部分，记忆部分，循环attention部分，输出部分，位置权重记忆部分。

---

重点关注：模型的使用方式，为什么这么用，数据集，最后的效果，用了什么traick,怎么证明的

---

这个模型的核心是，它没有强势的加入attention,它加入的是一个模型相对位置的关系，

这篇文章的突破点其实只在于Location Weighted Memory的方法，他利用位置信息，将target的信息加入了模型中。

最后实现了效果，这个位置利用的方法很有嚼头。