BanglaASTE：面向Bangla电商评论的基于集成深度学习的方面-情感-意见三元组抽取新框架
机器学习
2025-11-27 v1 计算与语言
摘要
基于方面情感分析（ABSA）已成为从用户生成内容中提取细粒度情感洞察的关键工具，尤其在电商和社交媒体领域。然而，由于缺乏针对该语言的全面数据集和专业框架，Bangla领域的ABSA研究仍严重不足。本文引入BanglaASTE，一个用于方面情感三元组抽取（ASTE）的新型框架，同时从Bangla产品评论中识别方面词汇、情感表达及情感极性。我们的贡献包括：（1）创建首个包含3,345条来自Daraz、Facebook和Rokomari等主要电商平台评论的标注Bangla ASTE数据集；（2）开发采用图基方面-意见匹配结合语义相似性技术的混合分类框架；（3）实现将BanglaBERT上下文嵌入与XGBoost提升算法集成的模型，以提升三元组抽取性能。实验结果表明，我们的集成方法在准确率达到89.9%、F1分数达到89.1%时表现显著优于所有基线模型。该框架有效解决了Bangla文本处理中的关键挑战，包括非正式表达、拼写变体和数据稀疏问题。该研究推动了低资源语言情感分析的前沿进展，为Bangla电商分析应用提供了可扩展解决方案。
关键词
引用
@article{arxiv.2511.21381,
title = {BanglaASTE: A Novel Framework for Aspect-Sentiment-Opinion Extraction in Bangla E-commerce Reviews Using Ensemble Deep Learning},
author = {Ariful Islam and Md Rifat Hossen and Abir Ahmed and B M Taslimul Haque},
journal= {arXiv preprint arXiv:2511.21381},
year = {2025}
}
备注
Presented at the 2025 IEEE International Conference on Signal Processing, Information, Communication and Systems (SPICSCON), November 21-22, 2025, University of Rajshahi, Bangladesh. 6 pages, ensemble deep learning, 3,345 annotated Bangla product reviews