Aug, 2019

使用双重嵌入和注意机制提取印度尼西亚酒店评论中的方面和观点术语

PDF
TL;DR利用双重嵌入特征和注意机制对印度尼西亚酒店评论进行方面和意见词语提取，测试了 4000 个评论，F1-score 为 0.914 和 0.90，表明该方法优于 SemEval 2015 和 2016 年的最佳系统。
发现论文，激发创造
  • 利用迁移学习和辅助标签提取酒店评论中的方面词和观点词

    本文提出了一种使用预训练的 BERT 模型进行转移学习，在印度尼西亚语的酒店评论中分类评估令牌的方法。通过与 Bi-LSTM 模型相比，使用较少的训练时期 (3 个时期) 在标记级别上达到了高达 2% 的差异，并且在实体级别上优于 Bi-LSTM 模型。此外，作者还提出了一种在 BERT 模型中增加 CRF 层以进一步提高 F1 得分的方法。

    Sep, 2019

  • 使用图注意力网络的方面和意见词提取

    本研究探讨了图注意力网络在提取方面和意见术语方面的能力。我们将方面和意见术语提取看作是一种类似于命名实体识别的标记级分类任务，并使用输入查询的依赖树作为图注意力网络中的附加特征，结合了标记和词性特征。实验证明依赖结构是一个强大的特征，在 CRF 层的存在下显著提高了性能，并在 SemEval 2014、2015 和 2016 的常用数据集上生成了最佳结果。除了 CRF 层外，我们还尝试了 BiLSTM 和 Transformer 等额外层次。我们还表明，在同一查询中存在多个方面或情感的情况下，我们的方法也能很好地运行，无需根据单个方面修改依赖树，这与原始的情感分类应用不同。

    Apr, 2024

  • 基于主题 - 注意力网络的方面类别检测

    通过基于注意力机制的深度神经网络方法，对餐厅方面的用户评论进行情感分析，并尝试将评论句子归为一组预定义的方面类别。在 SemEval 研讨会发布的两个餐厅领域数据集上，我们的方法表现优于现有的方法，并可视化主题注意权重来展示模型识别与不同主题相关的单词的效果。

    Jan, 2019

  • 双嵌入与基于 CNN 的序列标注用于方面提取

    这篇论文研究的主题是使用深度学习进行监督式商品评论的精细情感分析。论文提出了一种使用两种预先训练的词向量嵌入进行商品特征提取的简单 CNN 模型，取得了优于先前最先进方法的出色结果。

    May, 2018

  • 历史注意力和选择性转换结合的方面术语抽取

    本文针对 Aspect-Based Sentiment Analysis 领域中的关键任务 Aspect Term Extraction，提出了一种新的框架，该框架利用了两个有用的线索：意见汇总和方面检测历史，从而实现有效的 Aspect Term Extraction。实验证明，该框架能够优于所有现有的方法。

    May, 2018

  • 用于类别特定方面和观点术语共同提取的多任务记忆网络

    提出细化问题 -- 分类特定方面和意见词提取，并使用多任务注意力模型解决数据稀疏性问题，在三个基准数据集上展示出其最先进的性能。

    Feb, 2017

  • 使用方面抽取方法生成评论摘要和用户配置文件

    本研究评估了一个新提出的神经模型在提取评论方面的可行性，结果表明该模型能够从用户评论中准确识别和提取各个方面并生成用户偏好的基于方面的概要。

    Apr, 2018

  • 基于联合方面 - 情感主题嵌入的弱监督方面为基础的情感分析

    本文提出了一种基于弱监督的方法进行情感分析，通过词嵌入空间下的 <情感，方面> 联合主题嵌入来实现预测，通过预训练分类器和自我训练来利用词级别的判别信息。

    Oct, 2020

  • 用于方面级情感分类的双重关注模型

    提出了一种新的双重注意模型 (DAM) 用于方面级情感分类，该模型使用依存标签作为关注机制以提高性能，并在 SemEval 2014 和 Twitter 数据集上进行实验，取得了良好的效果。

    Mar, 2023

  • 通过联合建模方面和价值自动聚合

    我们提出了一个模型，通过联合方面识别和情感分析来汇总产品评论片段。我们的模型同时确定了评论中呈现的可评估方面的基础集，并确定了每个方面的相应情感，从而直接发现了产品的高评级或不一致方面。

    Jan, 2014