基于对抗训练与全词掩码 BERT 的汽车评论文本情感分析模型
计算与语言
2022-06-07 v1 信息检索
摘要
在汽车评价领域，越来越多网民选择在互联网平台表达观点，这些评论会影响购买者的决策和汽车口碑的走向。作为自然语言处理（NLP）的重要分支，情感分析为分析海量汽车评论文本的情感类型提供了有效研究方法。然而，由于汽车领域评论文本具有词汇专业性和文本噪声大的特点，当通用情感分析模型应用于汽车评论时，模型准确率较差。为克服上述挑战，我们面向汽车评论文本的情感分析任务，从词向量角度，通过对汽车领域专有词汇进行全词掩码预训练，再通过对抗训练集策略训练数据。在此基础上，我们提出了一种基于对抗训练与全词掩码 BERT（ATWWM-BERT）的汽车评论文本情感分析模型。
引用
@article{arxiv.2206.02389,
title = {A sentiment analysis model for car review texts based on adversarial training and whole word mask BERT},
author = {Xingchen Liu and Yawen Li and Yingxia Shao and Ang Li and Jian Liang},
journal= {arXiv preprint arXiv:2206.02389},
year = {2022}
}