要約
アスペクトベースの感情分析 (ABSA) は、ユーザーが作成したレビュー内の個別の要素に特有の感情を徹底的に理解します。
ユーザー生成のレビューを分析して、a) レビュー対象の対象エンティティ、b) それが属する上位レベルの側面、c) 意見を表現するために使用される感情語、d) 対象者に対して表現される感情を判断することを目的としています。
そして側面。
さまざまなベンチマーク データセットが ABSA の進歩を促進してきましたが、多くの場合、ドメインの制限やデータ粒度の課題が伴います。
これらに対処するために、OATS データセットを導入します。このデータセットは、3 つの新しいドメインを包含し、27,470 の文レベルのクアドルプルと 17,092 のレビューレベルのタプルで構成されます。
私たちの取り組みは、観察された特定のギャップを埋めることを目指しています。レストランやラップトップなどのよく知られた領域に繰り返し焦点を当て、複雑な 4 倍の抽出タスクに必要なデータを限定し、文章レベルとレビューレベルの感情の間の相乗効果を時折見落とすことです。
さらに、OATS の可能性を解明し、OATS が解決できるさまざまな ABSA サブタスクに光を当てるために、実験を実施し、初期ベースラインを確立しました。
私たちは、OATS データセットが現在のリソースを拡張し、ABSA の包括的な探索への道を開くことを願っています (https://github.com/RiTUAL-UH/OATS-ABSA)。
要約(オリジナル)
Aspect-based sentiment analysis (ABSA) delves into understanding sentiments specific to distinct elements within a user-generated review. It aims to analyze user-generated reviews to determine a) the target entity being reviewed, b) the high-level aspect to which it belongs, c) the sentiment words used to express the opinion, and d) the sentiment expressed toward the targets and the aspects. While various benchmark datasets have fostered advancements in ABSA, they often come with domain limitations and data granularity challenges. Addressing these, we introduce the OATS dataset, which encompasses three fresh domains and consists of 27,470 sentence-level quadruples and 17,092 review-level tuples. Our initiative seeks to bridge specific observed gaps: the recurrent focus on familiar domains like restaurants and laptops, limited data for intricate quadruple extraction tasks, and an occasional oversight of the synergy between sentence and review-level sentiments. Moreover, to elucidate OATS’s potential and shed light on various ABSA subtasks that OATS can solve, we conducted experiments, establishing initial baselines. We hope the OATS dataset augments current resources, paving the way for an encompassing exploration of ABSA (https://github.com/RiTUAL-UH/OATS-ABSA).
arxiv情報
著者 | Siva Uday Sampreeth Chebolu,Franck Dernoncourt,Nedim Lipka,Thamar Solorio |
発行日 | 2024-03-06 16:33:41+00:00 |
arxivサイト | arxiv_id(pdf) |
提供元, 利用サービス
arxiv.jp, Google