CERM：基于情感分析的上下文感知文献发现
计算与语言
2024-03-14 v1 人工智能
机器学习
摘要
受生物医学出版物丰富的驱动，我们引入了一项情感分析任务以理解食物与健康之间的关系。此前将健康纳入食谱推荐和分析系统的尝试主要集中在成分营养成分上，或利用在策划标注数据上训练的基本计算模型。鉴于生物医学文本中丰富的信息，能够捕捉食物成分与生物医学概念之间内在关系的增强模型可能对食物相关研究更有益。考虑到数据标注过程成本高昂，这些模型应有效利用标注和未标注数据。本文介绍了实体关系情感分析（ERSA），这是一项基于实体对捕捉文本情感的新任务。ERSA 扩展了广泛研究的基于方面的情感分析（ABSA）任务。具体而言，我们的研究集中于应用于生物医学文本的 ERSA 任务，重点关注生物医学和食物概念的（实体 - 实体）对。与传统情感分析任务相比，ERSA 提出了重大挑战，因为句子情感可能与实体关系情感不一致。此外，我们提出了 CERM，一种结合不同词嵌入以增强 ERSA 任务编码的半监督架构。实验结果展示了该模型在不同学习场景下的效率。
引用
@article{arxiv.2402.01724,
title = {CERM: Context-aware Literature-based Discovery via Sentiment Analysis},
author = {Julio Christian Young and Uchenna Akujuobi},
journal= {arXiv preprint arXiv:2402.01724},
year = {2024}
}