基于要素的情感分析与情景感知方法的比较研究
计算与语言
2024-10-03 v3
摘要
自数字化时代的初期，客户反馈和在线评论无疑是为企业提供洞见的主要来源。因此，对此类来源进行比较分析已成为任何希望凭借其优势超越同行并提升客户忠诚度的企业所采纳的事实操作模式。情感分析是此类方法之一，能够衡量公众兴趣、暴露市场趋势并分析竞争对手。虽然传统情感分析侧重于整体情感，但随着需求的发展，逐步重要的是在更细粒度层面探索关于评论中提及的各种具体主题、产品和服务的公众意见与情感。为此，方面情感分析 (ABSA) 在人工智能技术的推动下实现了从简单词级分析向注重语气和语境的分析之间的范式转变，侧重于识别文本中的具体方面并确定每个方面相关的情感。本研究在两个基准数据集 (Restaurant14 和 Laptop-14) 上比较了若干深度神经网络方法 for ABSA，发现 FAST LSA 在整体上取得最佳效果，准确率分别为 87.6% 和 82.6%，但不及 LSA+DeBERTa，后者分别报告了 90.33% 和 86.21% 的准确率。
引用
@article{arxiv.2407.02834,
title = {Aspect-Based Sentiment Analysis Techniques: A Comparative Study},
author = {Dineth Jayakody and Koshila Isuranda and A V A Malkith and Nisansa de Silva and Sachintha Rajith Ponnamperuma and G G N Sandamali and K L K Sudheera},
journal= {arXiv preprint arXiv:2407.02834},
year = {2024}
}