面向基于方面的情感分析混合方法的对抗训练
计算与语言
2021-12-01 v1
摘要
Web 的日益普及随之增加了产品和服务评论的丰度。挖掘这些评论中表达的情感对公司消费者双方都有益，因为可以基于这些信息改进质量。在本文中，我们考虑用于基于方面的情感分析的最先进的 HAABSA++ 算法，其任务是识别评论句子中针对给定方面所表达的情感。具体而言，我们使用对抗网络来训练该算法的神经网络部分，这是一种新颖的机器学习训练方法，其中生成器网络试图通过生成高度逼真的新样本来欺骗分类器网络，从而增强鲁棒性。该方法此前从未以其经典形式应用于基于方面的情感分析，我们发现它能够显著提高 HAABSA++ 的样本外准确率：对于 SemEval 2015 数据集，准确率从 81.7% 提升至 82.5%；对于 SemEval 2016 任务，准确率从 84.4% 提升至 87.3%。
引用
@article{arxiv.2111.14988,
title = {Adversarial Training for a Hybrid Approach to Aspect-Based Sentiment Analysis},
author = {Ron Hochstenbach and Flavius Frasincar and Maria Mihaela Trusca},
journal= {arXiv preprint arXiv:2111.14988},
year = {2021}
}
备注
22nd International Conference on Web Information Systems Engineering