Які функції, як правило, використовуються з дерев Парсера в процесі класифікації в NLP?

Я вивчаю різні типи структур дерев розбору. Дві широко відомі структури дерев розбору: a) Дерево розбору, засноване на окружності, і b) Деревові структури розбору на основі залежності.

Я можу використовувати генерувати обидва типи структур дерева розбору за допомогою пакету Stanford NLP. Однак я не впевнений, як використовувати ці структури дерев для мого завдання з класифікації.

Наприклад, якщо я хочу зробити аналіз настроїв і хочу класифікувати текст на позитивні та негативні класи, то які функції я можу отримати з деревних структур розбору для мого завдання з класифікації?

Використовуючи дерево розбору, ви розділите своє речення на частини. Припустимо, у прикладі аналізу настроїв ви можете використовувати ці частини, щоб призначити позитивну / негативну настрою кожній частині, а потім здійснити кумулятивний ефект цих частин.

Це зображення допоможе вам зрозуміти більше. Перша половина має негативні настрої (головним чином, через слово "сухий"), але через слово "але" та використання слова "насолоджується" негативні настрої перетворюються на позитивні настрої.

Що стосується їх використання, ви можете просто генерувати слово представлення окремих слів у реченні та використовувати нейрони замість батьківських вузлів. Кожен нейрон повинен бути пов'язаний з іншим нейроном за допомогою ваг. Усі вузли листя будуть векторними поданнями слів речення. Верхній батьківський нейрон (у цьому випадку верхній синій + символ) повинен генерувати позитивні / негативні настрої відповідно до речення. Цю структуру дерева можна навчити контролювати.

Прочитайте цей документ для отримання більш детального розуміння.

Графічні зображення: cs224.stanford.edu

Я думаю, що залежності можна використовувати для покращення точності вашого класифікатора настроїв. Розглянемо наступні приклади:

E1: Білл - не науковець

і припустимо, що маркер "вчений" має позитивні настрої у певній галузі.

Знаючи негатив залежності (вченого, ні), ми можемо побачити, що приклад, наведений вище, має негативні настрої. Не знаючи цієї залежності, ми, мабуть, класифікуємо речення як позитивне.

Інші типи залежностей можуть бути використані, ймовірно, таким же чином для підвищення точності класифікаторів.