面向复杂基于方面情感分析任务的捷克语数据集
计算与语言
2025-08-12 v1
摘要
本文介绍了一个新的捷克语方面情感分析（Aspect-Based Sentiment Analysis, ABSA）数据集，包含3.1K个手动标注的餐饮领域评论。该数据集基于较早的捷克语数据集构建，后者仅包含针对基本ABSA任务（如方面词提取或方面极性检测）的单独标签。与其前身不同，本新数据集专为更复杂的任务设计，例如目标-方面-类别检测。这些高级任务需要统一的标注格式，无缝地将情感元素（标签）相互链接。我们的数据集遵循广为人知的SemEval-2016数据集格式，这一设计选择允许在跨语言情境下轻松应用和评估，从而促进与其他语言中等效数据集的跨语言比较。标注过程由两位训练有素的标注员完成，实现了约90%的注释员间一致性。此外，我们提供2400万条未标注评论，适用于无监督学习。我们展示了使用各种基于Transformer的模型实现的强大单语言基线结果，并提供了有洞察力的错误分析以补充我们的贡献。我们的代码和数据集均可免费用于非商业科研目的。
引用
@article{arxiv.2508.08125,
title = {Czech Dataset for Complex Aspect-Based Sentiment Analysis Tasks},
author = {Jakub Šmíd and Pavel Přibáň and Ondřej Pražák and Pavel Král},
journal= {arXiv preprint arXiv:2508.08125},
year = {2025}
}
备注
Published In Proceedings of the 2024 Joint International Conference on Computational Linguistics, Language Resources and Evaluation (LREC-COLING 2024). Official version: https://aclanthology.org/2024.lrec-main.374/