【SIGIR2020】一个统一的双视图模型，用于具有不一致性损失的评论总结和情绪分类，A Unified Dual-view Model for Review Summarization and Sentiment Classification with Inconsistency Loss

主题： A Unified Dual-view Model for Review Summarization and Sentiment Classification with Inconsistency Loss

摘要： 从用户的评论中获取准确的摘要和情感是现代电子商务平台的重要组成部分。评论摘要旨在生成简洁的摘要，描述评论的主要观点和观点，而情感分类旨在预测观点标签表示评论的情感态度。为了在评论摘要和情感分类任务中有效利用共享情感信息，我们提出了一种新颖的双视图模型，可以共同提高这两个任务的性能。在我们的模型中，编码器首先学习评论的上下文表示，然后摘要解码器逐词生成评论摘要。然后，源视图情感分类器使用编码的上下文表示来预测评论的情感标签，而摘要视图情感分类器则使用解码器的隐藏状态为生成的摘要预测情感标签。在训练过程中，我们引入了不一致的损失来惩罚这两个分类器之间的分歧。它可以帮助解码器生成摘要，从而与评论产生一致的情感趋势，还可以帮助两个情感分类器相互学习。来自不同领域的四个真实世界数据集的实验结果证明了我们模型的有效性。