基于软余弦相似度度量的无监督方面类别检测方法
计算与语言
2019-06-24 v2
摘要
方面类别检测是基于方面的情感分析中的重要且具有挑战性的子任务之一。给定一组预定义类别，该任务旨在检测给定评论句中隐式或显式指示的类别。有监督机器学习方法在完成此子任务上表现良好。需注意，这些方法的性能依赖于标记训练数据的可用性，而后者通常难以获取且成本高昂。此外，多数有监督方法需要特征工程才能表现良好。本文提出一种无监督方法来解决方面类别检测任务，无需任何特征工程。我们的方法利用无标签评论的聚类与软余弦相似度度量来完成方面类别检测任务。在 SemEval-2014 餐厅数据集上的实验结果表明，所提无监督方法大幅优于若干基线方法。
引用
@article{arxiv.1812.03361,
title = {An Unsupervised Approach for Aspect Category Detection Using Soft Cosine Similarity Measure},
author = {Erfan Ghadery and Sajad Movahedi and Heshaam Faili and Azadeh Shakery},
journal= {arXiv preprint arXiv:1812.03361},
year = {2019}
}