Stars Are All You Need: A Distantly Supervised Pyramid Network for Document-Level End-to-End Sentiment Analysis

要約

タイトル：Stars Are All You Need: A Distantly Supervised Pyramid Network for Document-Level End-to-End Sentiment Analysis
要約：

– 本論文は、統一的な方法でオンラインレビューに表現された観点やレビューの感情を効率的に理解するための、ドキュメントレベルのエンドツーエンド感情分析を提案している。
– 星の評価ラベルは、レビュー内の観点評価の「粗いまとめ」と仮定されている。
– 遠隔監視ピラミッドネットワーク（DSPN）を提案し、トレーニングに星評価ラベルのみを使用して、アスペクトカテゴリ検出、アスペクトカテゴリ感情分析、およびレーティング予測を効率的に実行する。
– DSPNは、これらの3つの関連する感情サブタスクをエンドツーエンドの方法で実行することにより、レビューに言及された観点を抽出し、対応する感情を特定し、星の評価ラベルを予測できる。
– DSPNを英語および中国語のマルチアスペクトレビューデータセットで評価し、星評価ラベルのみを監視することで、DSPNはさまざまなベンチマークモデルと同等の性能を発揮できることがわかった。
– DSPNの出力の解釈可能性を示し、文書レベルのエンドツーエンド感情分析に固有のピラミッド構造を示すために、レビューに対するDSPNの出力を示す。

要約(オリジナル)

In this paper, we propose document-level end-to-end sentiment analysis to efficiently understand aspect and review sentiment expressed in online reviews in a unified manner. In particular, we assume that star rating labels are a ‘coarse-grained synthesis’ of aspect ratings across in the review. We propose a Distantly Supervised Pyramid Network (DSPN) to efficiently perform Aspect-Category Detection, Aspect-Category Sentiment Analysis, and Rating Prediction using only document star rating labels for training. By performing these three related sentiment subtasks in an end-to-end manner, DSPN can extract aspects mentioned in the review, identify the corresponding sentiments, and predict the star rating labels. We evaluate DSPN on multi-aspect review datasets in English and Chinese and find that with only star rating labels for supervision, DSPN can perform comparably well to a variety of benchmark models. We also demonstrate the interpretability of DSPN’s outputs on reviews to show the pyramid structure inherent in document level end-to-end sentiment analysis.

arxiv情報

提供元, 利用サービス

arxiv.jp, OpenAI