越南语方面级情感分析中的观点跨度检测
计算与语言
2021-10-18 v1
摘要
方面级情感分析在自然语言处理和人工智能中扮演着至关重要的角色。近年来，研究者仅关注方面检测和情感分类，而忽略了检测用户观点跨度这一子任务，该任务在实际应用中具有巨大潜力。本文中，我们提出了一个新的越南语数据集（UIT-ViSD4SA），该数据集包含11,122条反馈评论上的35,396个人工标注的跨度，用于评估方面级情感分析中的跨度检测。此外，我们还提出了一种新颖的系统，该系统使用双向长短期记忆网络（BiLSTM）与条件随机场（CRF）层（BiLSTM-CRF）用于越南语方面级情感分析中的跨度检测任务。最佳结果是使用BiLSTM-CRF并融合音节嵌入、字符嵌入和来自XLM-RoBERTa的上下文嵌入，在跨度检测上取得了62.76%的F1分数（宏平均）。在未来的工作中，跨度检测将扩展到许多自然语言处理任务中，如建设性检测、情感识别、投诉分析和观点挖掘。我们的数据集可在 https://github.com/kimkim00/UIT-ViSD4SA 免费获取，用于研究目的。
引用
@article{arxiv.2110.07833,
title = {Span Detection for Aspect-Based Sentiment Analysis in Vietnamese},
author = {Kim Thi-Thanh Nguyen and Sieu Khai Huynh and Luong Luc Phan and Phuc Huynh Pham and Duc-Vu Nguyen and Kiet Van Nguyen},
journal= {arXiv preprint arXiv:2110.07833},
year = {2021}
}