基于方面的情感分类调查
该文系统地综述了目前各种基于方面的情感分析(ABSA)任务及其解决方案,包括情感元素、预训练语言模型等。该文提出了一个新的 ABSA 分类表,并强调了近年来对多元素 ABSA 任务研究的重要性。同时,该文总结了预训练语言模型在 ABSA 中的应用,介绍了跨领域 / 跨语言情况下构建更实用的 ABSA 系统的技术,并讨论了 ABSA 未来发展的方向与挑战。
Mar, 2022
本文提出了一种利用句子中有关方面的辅助句子来帮助情感预测的方法,该方法包括使用多方面检测模型进行方面检测,并将预测出的方面与原始句子组合作为情感分析模型的输入,并通过训练情感分类模型进行领域外的基于方面的情感分析。最终,我们对两个基准模型和我们的方法进行对比,发现我们的方法确实有意义。
Jan, 2022
本文旨在通过将每个 ABSA 子任务目标重新定义为由指针索引和情感类别索引混合的序列,将 ABSA 的各个子任务转换为统一的生成式公式,并利用预训练序列到序列模型 BART 在端到端框架中解决所有 ABSA 子任务。实验结果表明,我们的框架在四个 ABSA 数据集上实现了实质性的性能收益,并为整个 ABSA 子任务提供了真正的统一端到端解决方案,这可使多个任务受益。
Jun, 2021
本文提出了一种基于辅助句子和 BERT-ASC 的方法,来解决在缺乏标注数据的情况下,针对文本中暗含的方面进行情感分析和分类的问题,并在真实数据集上进行了有效性验证和性能评估。
Mar, 2022
该研究提供了一个数据库的语料库被用于训练和评估自主 ABSA 系统,对于研究人员选择语料库时应考虑的一些特点进行了概述,分析了目前的收集方法的利弊,并建议未来 ABSA 数据集收集,在 65 个公开可用的 ABSA 数据集上进行了调查。
Apr, 2022
该研究开发了一个能够从地理定位的城市评价中提取城市方面,并对其进行情感分类的 ABSA 模型。通过对 2500 个公共公园的众包评价进行数据标注,并在这些数据上使用带有局部上下文焦点的双向编码器表示转换 (BERT) 模型进行训练,我们的模型在城市评价的方面术语提取和方面情感分类任务中取得了显著的预测准确性。通过空间可视化展示了波士顿的正负城市方面。我们希望这个模型对设计师和规划师进行细粒度的城市情感评价时能够有所帮助。
Dec, 2023
本研究针对情感分析在实际应用中的可靠性进行了探究,通过加强当前最佳的句法感知模型,并基于丰富的伪数据进行敌对训练,进一步提高了模型的鲁棒性。实验结果表明,所提出的方法比现有的基线模型的鲁棒性性能更好,同时合成语料库作为额外数据能够进一步提高测试准确性。
Apr, 2023
本论文提出了一种整合了明确情感增强的 ABSA 方法,通过基于规则的数据对 T5 进行后训练,并采用句法距离加权和不合理对比正则化来生成明确情感,同时利用约束束搜索确保增强句子包含方面术语,在 ABSA 两个最流行的基准测试中,ABSA-ESA 在隐式和明确情绪准确性上优于 SOTA 基线。
Dec, 2023
该论文通过系统文献综述方法对 Aspect-based Sentiment Analysis (ABSA) 研究进行了研究领域、数据集领域和研究方法的分析,揭示了 ABSA 研究文献中存在的一些系统性问题,并提出了一些建议。
Nov, 2023
本文提出了一种基于 BERT-MRC 模型的联合训练框架,通过解决 aspect term extraction、opinion term extraction 和 aspect-level sentiment classification 等问题,实现了 Aspect based sentiment analysis,取得了显著的实验效果成果。
Jan, 2021