#Paper Reading# Lifelong aspect extraction from big data knowledge engineering

论文题目：Lifelong aspect extraction from big data knowledge engineering

论文地址：http://casmodeling.springeropen.com/articles/10.1186/s40294-016-0018-7

论文大体内容：

本文通过调查、分析现有的基于知识库的主题模型，对比彼此的相同与不同，并分析各自的缺点，以及在不同任务需求下的挑战。

1、概率主题模型是依赖于词的共现度来确定哪些词属于同一主题下，而在aspect级别（细粒度）观点挖掘下，由于aspect观点词在同一个文档下的出现率低，会导致现有的概率主题模型不能很好地挖掘出aspect级别的主题词。（P.S. 目前比较好的aspect level sentiment mining模型有LAST[1]，该模型的说明可以看之前的一篇博文[2]）

2、对文本进行aspect级别挖掘是为了能够发现更多有用的信息，如下图。粗粒度看一个相机（商品），只能知道它是多少分，但通过细粒度挖掘，能够知道在设计、电池寿命、拍照、录像等方面的表现。



3、对于现在商品的big data，如商品评论，里面有大量主观的、不太正式的标注（包括语法错误、俚语、词语缩写等），会对aspect抽取模型造成很不好的结果。

4、aspect抽取面临的问题是：如何利用无监督的数据，进行更有效地进行aspect抽取。

5、前人的一些研究方向如下图。包括以下几个方面：

①基于出现频率与关系的技术，包括抽取显式aspect和隐式aspect。主要思想是生成一个候选aspect集合，根据出现频率进行过滤、选择aspect。（非监督的）

②基于概率主题模型的，包括基于非监督主题模型和利用先验知识进行改进。其中先验知识包括Lifelong Machine Learning中使用的must-link和cannot-link。



6、Lifelong Machine Learning的Online版OAMC[3]的大体框架如下图。



7、几种使用了知识库的模型的对比如下图。



8、Lifelong Machine Learning可以应用到层次主题模型，但需要对学习和知识迁移的算法改进一下；也可以应用到流数据。

参考资料：

[1]、http://dl.acm.org/citation.cfm?id=2883086

[2]、http://blog.csdn.net/john159151/article/details/52750351

[3]、https://www.hindawi.com/journals/cin/2016/6081804/abs/

以上均为个人见解，因本人水平有限，如发现有所错漏，敬请指出，谢谢！