基于双向GRU模型的阿拉伯语方面级情感分析
计算与语言
2021-10-08 v4
摘要
方面级情感分析（ABSA）完成细粒度分析，界定给定文档或句子的方面及针对各方面的情感。该分析层级最为详尽，能够探究评论的细微观点。ABSA研究多聚焦英语，阿拉伯语方面工作甚少。阿拉伯语既往工作多基于常规机器学习方法，主要依赖一组稀缺资源与工具（如词典）来分析处理阿拉伯语内容，而这些资源的匮乏构成了另一挑战。为应对这些挑战，本文提出基于深度学习（DL）的方法，使用两种基于门控循环单元（GRU）神经网络的ABSA模型。其一是利用词与字符表示的DL模型，结合双向GRU、卷积神经网络（CNN）与条件随机场（CRF）构成（BGRU-CNN-CRF）模型以抽取主要观点方面（OTE）。其二是基于双向GRU的交互注意力网络（IAN-BGRU）以识别对所抽取方面的情感极性。我们使用基准阿拉伯语酒店评论数据集评估模型。结果表明，所提方法在两项任务上均优于基线研究：观点目标抽取（T2）的F1分数提升39.7%，方面级情感极性分类（T3）的准确率提升7.58%。T2的F1分数达70.67%，T3的准确率达83.98%。
引用
@article{arxiv.2101.10539,
title = {Arabic aspect based sentiment analysis using bidirectional GRU based models},
author = {Mohammed M. Abdelgwad and Taysir Hassan A Soliman and Ahmed I. Taloba and Mohamed Fawzy Farghaly},
journal= {arXiv preprint arXiv:2101.10539},
year = {2021}
}