波斯语评论中面向方面情感分析的方面与极性联合建模
计算与语言
2021-10-19 v3 人工智能
摘要
从自然语言文本中识别用户意见因其在实际中日益增长的应用而成为令人振奋的研究领域。该研究领域被称为情感分析与分类，其中方面类别检测（ACD）与方面类别极性（ACP）是基于方面的情感分析的两个重要子任务。ACD 的目标是确定意见中提及实体的哪个方面，而 ACP 旨在确定来自 ACD 任务的每个方面类别的极性。以往工作大多针对这两个子任务提出独立解决方案。本文聚焦 ACD 与 ACP 子任务，以同时解决两个问题。所提方法执行多标签分类，采用四种不同深度模型并比较评估以检验其性能。从 CinemaTicket 网站收集了包含来自 14 个类别的 2200 个样本的波斯语评论数据集。所开发模型使用收集的数据集基于样例与基于标签的度量进行了评估。结果表明，与 LSTM 和 Bi-LSTM 相比，CNN 与 GRU 模型具有更高的适用性与优选性。
引用
@article{arxiv.2109.07680,
title = {Jointly Modeling Aspect and Polarity for Aspect-based Sentiment Analysis in Persian Reviews},
author = {Milad Vazan and Jafar Razmara},
journal= {arXiv preprint arXiv:2109.07680},
year = {2021}
}
备注
20 pages, 9 figures