基于方面的情感分析系统综述：领域、方法与趋势
计算与语言
2024-09-19 v6 机器学习
摘要
基于方面的情感分析（ABSA）是一种细粒度的情感分析类型，可从给定文本中识别方面及其相关观点。随着数字观点文本数据的激增，ABSA 因其能够挖掘更细致和更具针对性的洞察而日益受到关注。现有许多关于 ABSA 子任务和解决方法的综述论文，但很少关注随时间变化的趋势或与研究应用领域、数据集和解决方案相关的系统性问题。为填补这一空白，本文对 ABSA 研究进行了系统文献综述（SLR），重点关注这些基本组成部分之间的趋势和高层关系。本综述是规模最大的 ABSA 系统文献综述之一。据我们所知，它也是首个系统性考察 ABSA 研究跨领域的数据分布以及解决方案范式与方法趋势之间相互关系的工作。我们的样本包含通过一种创新的自动过滤流程从无时间限制的 8550 条搜索结果中筛选出的 727 篇原始研究。我们的定量分析不仅识别了近二十年来 ABSA 研究发展的趋势，还揭示了数据集与领域多样性以及领域错配的系统性缺失，这可能阻碍未来 ABSA 研究的发展。我们讨论了这些发现及其启示，并提出了对未来研究的建议。
引用
@article{arxiv.2311.10777,
title = {A Systematic Review of Aspect-based Sentiment Analysis: Domains, Methods, and Trends},
author = {Yan Cathy Hua and Paul Denny and Katerina Taskova and Jörg Wicker},
journal= {arXiv preprint arXiv:2311.10777},
year = {2024}
}