Aspect-Based Sentiment Analysis for Open-Ended HR Survey Responses

要約

従業員の好み、意見、感情を理解することは、従業員のライフサイクル管理を効果的に行うために最も重要です。
自由形式のアンケート回答は貴重な情報源として役立ちます。
この論文では、従業員満足度調査におけるオランダの自由回答のアスペクトベース感情分析 (ABSA) のための機械学習アプローチを提案します。
私たちのアプローチは、こうした反応に内在するノイズやばらつきを克服し、従業員のライフサイクル管理をサポートできるセンチメントの包括的な分析を可能にすることを目的としています。
応答クラスタリングを通じて、6 つの主要な側面 (給与、スケジュール、連絡先、コミュニケーション、個人的な注意、合意) を特定し、それをドメインの専門家が検証します。
私たちは 1,458 件のオランダの調査回答のデータセットを編集し、側面とセンチメントにおけるラベルの不均衡を明らかにしました。
オランダの BERT モデルに基づいた ABSA の少数ショット アプローチを提案し、それらをバッグオブワードおよびゼロショット ベースラインと比較します。
私たちの研究は、人事 (HR) の領域における側面ベースの感情分析へのオランダ語の事前トレーニング済み言語モデルの適用に初めて成功したことを実証することで、ABSA の分野に大きく貢献しています。

要約(オリジナル)

Understanding preferences, opinions, and sentiment of the workforce is paramount for effective employee lifecycle management. Open-ended survey responses serve as a valuable source of information. This paper proposes a machine learning approach for aspect-based sentiment analysis (ABSA) of Dutch open-ended responses in employee satisfaction surveys. Our approach aims to overcome the inherent noise and variability in these responses, enabling a comprehensive analysis of sentiments that can support employee lifecycle management. Through response clustering we identify six key aspects (salary, schedule, contact, communication, personal attention, agreements), which we validate by domain experts. We compile a dataset of 1,458 Dutch survey responses, revealing label imbalance in aspects and sentiments. We propose few-shot approaches for ABSA based on Dutch BERT models, and compare them against bag-of-words and zero-shot baselines. Our work significantly contributes to the field of ABSA by demonstrating the first successful application of Dutch pre-trained language models to aspect-based sentiment analysis in the domain of human resources (HR).

arxiv情報

提供元, 利用サービス

arxiv.jp, Google