PyABSA: A Modularized Framework for Reproducible Aspect-based Sentiment Analysis

要約

アスペクトベースのセンチメント分析 (ABSA) の進歩により、特に初心者にとって、最先端の ABSA パフォーマンスを再現する難しさを大幅に軽減できるユーザーフレンドリーなフレームワークが不足していることが懸念されています。
需要を満たすために、再現可能な ABSA のために PyTorch 上に構築されたモジュール化されたフレームワーク \our を提示します。
ABSA の研究を促進するために、PyABSA は、アスペクト タームの抽出、アスペクトのセンチメント分類、エンド ツー エンドのアスペクト ベースのセンチメント分析など、いくつかの ABSA サブタスクをサポートしています。
具体的には、PyABSA は 29 のモデルと 26 のデータセットを統合します。
わずか数行のコードで、特定のデータセットに対するモデルの結果を再現できます。
モジュール化された設計により、PyABSA は考慮対象のモデル、データセット、およびその他の関連タスクに柔軟に拡張することもできます。
さらに、PyABSA は、データの不足に大きく対処するデータ拡張機能と注釈機能を強調しています。
\url{https://github.com/yangheng95/PyABSA} でぜひお試しください。

要約(オリジナル)

The advancement of aspect-based sentiment analysis (ABSA) has urged the lack of a user-friendly framework that can largely lower the difficulty of reproducing state-of-the-art ABSA performance, especially for beginners. To meet the demand, we present \our, a modularized framework built on PyTorch for reproducible ABSA. To facilitate ABSA research, PyABSA supports several ABSA subtasks, including aspect term extraction, aspect sentiment classification, and end-to-end aspect-based sentiment analysis. Concretely, PyABSA integrates 29 models and 26 datasets. With just a few lines of code, the result of a model on a specific dataset can be reproduced. With a modularized design, PyABSA can also be flexiblely extended to considered models, datasets, and other related tasks. Besides, PyABSA highlights its data augmentation and annotation features, which significantly address data scarity. All are welcome to have a try at \url{https://github.com/yangheng95/PyABSA}.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google