多领域目标情感分析
计算与语言
2022-05-10 v1
摘要
目标情感分析（TSA）是从消费者评论中生成洞察的核心任务。此类内容极为多样，像Amazon或Yelp这样的站点包含来自许多不同领域的产品和商家的评论。一个真实的TSA系统应当从容应对这种多样性。这可以通过多领域模型实现——该模型对分析文本的领域具有鲁棒性，并在各领域均表现良好。针对此场景，我们提出了一种多领域TSA系统，其基于用来自不同领域的多样化弱标签扩充给定训练集。这些弱标签通过对Yelp评论语料库进行自训练获得。我们在跨不同领域的三个评估数据集上对所提方法进行了充分实验，证明了我们方案的有效性。我们进一步分析了可用标注数据的限制如何影响性能，并将所提方法与人工收集多样化TSA标注数据这一昂贵替代方案进行比较。我们的结果与分析表明，我们的方法朝实用的领域鲁棒TSA系统迈出了有前景的一步。
引用
@article{arxiv.2205.03804,
title = {Multi-Domain Targeted Sentiment Analysis},
author = {Orith Toledo-Ronen and Matan Orbach and Yoav Katz and Noam Slonim},
journal= {arXiv preprint arXiv:2205.03804},
year = {2022}
}
备注
Accepted to NAACL 2022 (long paper)