基于锚定正则化的集成构建用于无监督方面抽取
计算与语言
2022-10-14 v1 机器学习
摘要
基于方面的情感分析（Aspect Based Sentiment Analysis）是可对文档/句子执行的最细粒度的情感分析形式。除在更细粒度上提供最多洞察外，它也带来了同样严峻的挑战，其中之一便是标注数据的匮乏。为使当今飞速产生的文本数据能够开箱即用地产生价值，无监督方面情感分析使我们无需投入时间或资金生成标签即可获得洞察。从主题建模方法到近期基于深度学习的方面抽取模型，该领域已取得诸多进展。我们所改进的模型之一是ABAE，其将句子重构为其中所含方面词项的线性组合。在本研究中，我们探索如何利用另一无监督模型的信息对ABAE进行正则化，从而获得更优性能。我们将其与基于规则的基线集成进行对比，表明集成方法优于单个模型，且基于正则化的集成表现优于基于规则的集成。
引用
@article{arxiv.2210.06829,
title = {Ensemble Creation via Anchored Regularization for Unsupervised Aspect Extraction},
author = {Pulah Dhandekar and Manu Joseph},
journal= {arXiv preprint arXiv:2210.06829},
year = {2022}
}