论文原文：Deep Learning for Sentiment Analysis: A Survey
原文地址：https://arxiv.org/ftp/arxiv/papers/1801/1801.07883.pdf
（1）文档级情感分类：
主要方法如下图所示：
（2）语句级情感分类
| Socher et al semi-supervised Recursive Autoencoders Network (RAE) 得到了一个降维句子向量表示 |
| Socher et al Matrix-vector Recursive Neural Network (MVRNN) 每个词与树结构中的矩阵向量相关（树结构通过外部解析器获得） |
| Socher et al Recursive Neural Tensor Network 基于张量的compositional functions可以更好地捕捉元素间的关系 |
| Qian et al ①Tag-guided Recursive Neural Network (TG-RNN) 根据语句的词性标注选择一个composition function ②Tag-embedded Recursive Neural Network / Recursive Neural Tenser Network (TE-RNN/RNTN) 学习tag embeddings，然后将tag embeddings和word emdeddings结合起来 |
| Kalchbrenner et al Dynamic CNN (called DCNN) 使用动态k-Maxpooling operator作为非线性二次采样 |
| Kim CNN-rand： word embeddings随机初始化 CNN-non-static：word embedding 预训练并且fine-tuned CNN-multichannel： |
| Santos and Gatti Character to Sentence CNN (CharSCNN) |
| Wang LSTM 模拟词语交互 |
| Wang et al CNN-LSTM a joint CNN and RNN architecture 短文本 |
| Guggilla et al LSTM- and CNN-based deep neural network model （Word2vec and linguistic embeddings） |
| Huang et al encode the syntactic knowledge (e.g., part-of-speech tags) in a treestructured LSTM to enhance phrase and sentence representation |
| Akhtar et al several multi-layer perceptron based ensemble models for fine-gained sentiment classification of financial microblogs and news. |
（3）Aspect Level（特征级）情感分类
与文档级和语句级情感分类不同，特征级情感分类需要同时考虑情感信息和目标信息。这里的目标指的是实体或实体特征，简称为aspect。
在深度学习情感分类中，Aspect Level情感分类可分为三个任务：
①表示目标的语境词：可用文本表示方法解决
②生成目标表示：可用学习目标嵌入表示（与词嵌入类似）
③识别特定目标的重要情感语境词：可用注意力机制
eg: the screen of iPhone is clear but batter life is short.
‘clear'是'screen'的情感语境词，对于目标特征'screen'而言，则情感是积极的
‘short'是‘batter'的情感语境词，对于目标特征‘batter'而言，则情感是消极的
相关论文方法如下：
转载于:https://www.cnblogs.com/jiangyaju/p/9958481.html
