Opinion Tree Parsing for Aspect-based Sentiment Analysis

要約

最近、事前トレーニングされた生成モデルを使用してセンチメント要素を抽出することで、アスペクトベースのセンチメント分析ベンチマークが大幅に改善されました。
ただし、これらのモデルは常に大規模なコンピューティング リソースを必要とし、センチメント要素間の構造の明示的なモデリングも無視します。
これらの課題に対処するために、私たちは意見ツリー解析モデルを提案します。これは、意見ツリーからすべての感情要素を解析することを目的としています。これは、はるかに高速で、より包括的で完全なアスペクトレベルの感情構造を明示的に明らかにできます。
特に、意見ツリー構造を正規化するために、新しい文脈自由意見文法を最初に導入します。
次に、ニューラル チャート ベースのオピニオン ツリー パーサーを使用して、感情要素間の相関関係を徹底的に調査し、それらをオピニオン ツリー構造に解析します。
広範な実験により、提案されたモデルの優位性と、提案された文脈自由意見文法を使用した意見ツリーパーサーの能力が示されました。
さらに重要なことは、この結果は、私たちのモデルが以前のモデルよりもはるかに高速であることも証明していることです。

要約(オリジナル)

Extracting sentiment elements using pre-trained generative models has recently led to large improvements in aspect-based sentiment analysis benchmarks. However, these models always need large-scale computing resources, and they also ignore explicit modeling of structure between sentiment elements. To address these challenges, we propose an opinion tree parsing model, aiming to parse all the sentiment elements from an opinion tree, which is much faster, and can explicitly reveal a more comprehensive and complete aspect-level sentiment structure. In particular, we first introduce a novel context-free opinion grammar to normalize the opinion tree structure. We then employ a neural chart-based opinion tree parser to fully explore the correlations among sentiment elements and parse them into an opinion tree structure. Extensive experiments show the superiority of our proposed model and the capacity of the opinion tree parser with the proposed context-free opinion grammar. More importantly, the results also prove that our model is much faster than previous models.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google