iACOS: Advancing Implicit Sentiment Extraction with Informative and Adaptive Negative Examples

要約

アスペクトベースのセンチメント分析 (ABSA) は広く研究されていますが、アスペクト、カテゴリ、意見、センチメントという 4 つの基本要素で構成される 4 つの抽出、特に暗黙的なアスペクトと意見についてはほとんど解明されていません。
本稿では、カテゴリーによる暗黙的側面と感情による意見を抽出するための新しい方法 iACOS を提案します。
まず、iACOS はテキストの末尾に 2 つの暗黙的トークンを追加して、暗黙的な側面や意見を含むすべてのトークンのコンテキスト認識型表現をキャプチャします。
第 2 に、iACOS は、コンテキストを意識したトークン表現に対するシーケンス ラベリング モデルを開発し、明示的および暗黙的な側面と意見を同時抽出します。
第三に、iACOS は、アスペクトと意見のペアを発見し、それらのカテゴリとセンチメントを同時に予測するための、特殊なマルチヘッド アテンションを備えたマルチラベル分類器を考案します。
第 4 に、iACOS は有益で適応的なネガティブ サンプルを活用して、マルチタスク学習によってマルチラベル分類子と他の 2 つの分類子をカテゴリとセンチメントに関して共同トレーニングします。
最後に、実験結果は、2 つの公開ベンチマーク データセットの F1 スコアによると、iACOS が他の 4 重抽出ベースラインよりも大幅に優れていることを示しています。

要約(オリジナル)

Aspect-based sentiment analysis (ABSA) have been extensively studied, but little light has been shed on the quadruple extraction consisting of four fundamental elements: aspects, categories, opinions and sentiments, especially with implicit aspects and opinions. In this paper, we propose a new method iACOS for extracting Implicit Aspects with Categories and Opinions with Sentiments. First, iACOS appends two implicit tokens at the end of a text to capture the context-aware representation of all tokens including implicit aspects and opinions. Second, iACOS develops a sequence labeling model over the context-aware token representation to co-extract explicit and implicit aspects and opinions. Third, iACOS devises a multi-label classifier with a specialized multi-head attention for discovering aspect-opinion pairs and predicting their categories and sentiments simultaneously. Fourth, iACOS leverages informative and adaptive negative examples to jointly train the multi-label classifier and the other two classifiers on categories and sentiments by multi-task learning. Finally, the experimental results show that iACOS significantly outperforms other quadruple extraction baselines according to the F1 score on two public benchmark datasets.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google