基于BERT-MoE框架的印地语用户评论未来旅游体验方面情感分析
计算与语言
2026-02-16 v1 机器学习
摘要
本研究针对印地语用户评论中的方面情感分析（ABSA），解决低资源语言的挑战，提出一种基于BERT的混合模型，采用Top-K路由和辅助损失以缓解路由塌陷并提升效率。该管道包括：（1）使用BERT对9,558条标注评论进行整体情感分类，（2）提取六个与旅游相关方面（主机、价格、位置、设施、清洁度、连接性）的多标签方面，（3）集成动态路由的ABSA。数据集来自伊朗住宿平台Jabama的58,473条预处理评论，人工标注了方面和情感。 proposed模型在ABSA上实现90.6%的加权F1分数，优于基线BERT（89.25%）和标准混合方法（85.7%）。关键效率提升：相较于稠密BERT，GPU功耗降低39%，助力符合联合国可持续发展目标9号和12号。分析显示，清洁度和设施的提及率最高，为关键方面。本文是首个针对印地语旅游评论的ABSA研究，发布标注数据集以促进未来多语言旅游NLP研究。
引用
@article{arxiv.2602.12778,
title = {Aspect-Based Sentiment Analysis for Future Tourism Experiences: A BERT-MoE Framework for Persian User Reviews},
author = {Hamidreza Kazemi Taskooh and Taha Zare Harofte},
journal= {arXiv preprint arXiv:2602.12778},
year = {2026}
}
备注
25 pages, 12 figures, 4 tables