基于多种文本嵌入的方面词抽取方法综合分析
计算与语言
2020-12-11 v2
摘要
近来,在情感分析领域中各类模型设计与方法蓬勃发展。然而,针对基于方面的情感分析(ABSA)仍缺乏广泛而全面的研究。我们欲填补此空白,并提出一种使用多种文本嵌入方法的方面词抽取对比与消融分析。我们特别聚焦于基于长短期记忆(LSTM)且可选条件随机场(CRF)增强、并使用不同预训练词嵌入的架构。此外,我们分析了在词向量化步骤中扩展字符嵌入对性能的影响。在 SemEval 数据集上的实验结果表明,双向长短期记忆(BiLSTM)不仅优于常规 LSTM,而且词嵌入的覆盖度及其来源对方面检测性能有高度影响。额外的 CRF 层也一致地改善了结果。
引用
@article{arxiv.1909.04917,
title = {Comprehensive Analysis of Aspect Term Extraction Methods using Various Text Embeddings},
author = {Łukasz Augustyniak and Tomasz Kajdanowicz and Przemysław Kazienko},
journal= {arXiv preprint arXiv:1909.04917},
year = {2020}
}