ASAP：面向方面类别情感分析与评分预测的中文评论数据集
计算与语言
2021-05-04 v2
摘要
情感分析在电子商务中吸引了越来越多的关注。用户评论背后的情感极性对商业智能具有重要价值。方面类别情感分析（ACSA）与评论评分预测（RP）是检测从细粒度到粗粒度情感极性的两项基本任务。ACSA 与 RP 高度相关，并且在真实电子商务场景中通常联合使用。然而大多数公开数据集是分别为 ACSA 和 RP 构建的，这可能限制了对两项任务的进一步挖掘。为解决该问题并推进相关研究，我们提出了一个大规模中文餐厅评论数据集 \textbf{ASAP}，包含来自中国领先线上线下融合（O2O）电商平台的 条真实评论。除 星评分外，每条评论根据其针对 个预定义方面类别的情感极性进行了人工标注。我们希望该数据集的发布能为情感分析领域提供一些启示。此外，我们提出了一种直观而有效的 ACSA 与 RP 联合模型。实验结果表明该联合模型在两项任务上均优于 SOTA 基线。
引用
@article{arxiv.2103.06605,
title = {ASAP: A Chinese Review Dataset Towards Aspect Category Sentiment Analysis and Rating Prediction},
author = {Jiahao Bu and Lei Ren and Shuang Zheng and Yang Yang and Jingang Wang and Fuzheng Zhang and Wei Wu},
journal= {arXiv preprint arXiv:2103.06605},
year = {2021}
}
备注
11 Pages, 5 Figures, Accepted at NAACL 2021