提升 BERT 在基于方面的情感分析中的性能
计算与语言
2021-03-02 v2 机器学习
摘要
基于方面的情感分析（ABSA）研究消费者对市场产品的意见。它涉及考察产品评论中所表达的情感类型以及情感目标。分析评论中使用的语言是一项困难的任务，需要对语言有深入的理解。近年来，深度语言模型，如 BERT \cite{devlin2019bert}，在这方面取得了巨大进展。在本工作中，我们提出两个简单模块，称为并行聚合（Parallel Aggregation）和层次聚合（Hierarchical Aggregation），置于 BERT 之上用于两个主要 ABSA 任务，即方面抽取（AE）和方面情感分类（ASC），以提升模型性能。我们表明，应用所提出的模型消除了对 BERT 模型进一步训练的需要。源代码已在网上提供，以便进一步研究和复现结果。
引用
@article{arxiv.2010.11731,
title = {Improving BERT Performance for Aspect-Based Sentiment Analysis},
author = {Akbar Karimi and Leonardo Rossi and Andrea Prati},
journal= {arXiv preprint arXiv:2010.11731},
year = {2021}
}