A Systematic Review of Aspect-based Sentiment Analysis (ABSA): Domains, Methods, and Trends

要約

アスペクトベースの感情分析 (ABSA) は、特定のテキストから側面と関連する意見を特定する、きめ細かい感情分析 (SA) の一種です。
デジタル時代には、ABSA の人気が高まり、意見のあるテキスト データをマイニングして洞察を得て意思決定をサポートする用途が増えました。
ABSA の研究では、言語学、統計学、機械学習のアプローチを採用し、ラベル付きデータセット、アスペクトおよびセンチメントの語彙集、オントロジーなどのリソースを利用します。
その性質上、ABSA はドメインに依存しており、リソース ドメインとアプリケーション ドメイン間の不整合の影響に敏感になる可能性があります。
ただし、私たちの知る限り、このトピックは既存の ABSA 文献レビューでは検討されていません。
この論文では、研究アプリケーション領域、データセット領域、およびそれらの関係を調べて経時的な傾向を特定するための研究方法に焦点を当てた、ABSA 研究の系統的文献レビュー (SLR) を紹介します。
私たちの結果は、特定の研究応用領域を持たない大多数の研究の中で「製品/サービスのレビュー」データセット領域が優勢であることや、
教師あり機械学習などのデータセットに依存する手法。
このレビューは、ABSA 研究分野に多くのユニークな貢献をしています。1) 私たちの知る限り、これは研究領域、データセット領域、および研究方法を体系的な観点から結び付ける最初の SLR です。
2) ABSA の範囲を限定した最大の SLR の 1 つであり、時間制限なしで 4,191 件の検索結果から 519 件の適格な研究がフィルタリングされています。
3) 当社のレビュー手法では、PDF マイニングに基づく革新的な自動フィルタリング プロセスを採用し、スクリーニングの品質と信頼性を向上させました。
提案とレビューの制限についても説明します。

要約(オリジナル)

Aspect-based Sentiment Analysis (ABSA) is a type of fine-grained sentiment analysis (SA) that identifies aspects and the associated opinions from a given text. In the digital era, ABSA gained increasing popularity and applications in mining opinionated text data to obtain insights and support decisions. ABSA research employs linguistic, statistical, and machine-learning approaches and utilises resources such as labelled datasets, aspect and sentiment lexicons and ontology. By its nature, ABSA is domain-dependent and can be sensitive to the impact of misalignment between the resource and application domains. However, to our knowledge, this topic has not been explored by the existing ABSA literature reviews. In this paper, we present a Systematic Literature Review (SLR) of ABSA studies with a focus on the research application domain, dataset domain, and the research methods to examine their relationships and identify trends over time. Our results suggest a number of potential systemic issues in the ABSA research literature, including the predominance of the “product/service review” dataset domain among the majority of studies that did not have a specific research application domain, coupled with the prevalence of dataset-reliant methods such as supervised machine learning. This review makes a number of unique contributions to the ABSA research field: 1) To our knowledge, it is the first SLR that links the research domain, dataset domain, and research method through a systematic perspective; 2) it is one of the largest scoped SLR on ABSA, with 519 eligible studies filtered from 4191 search results without time constraint; and 3) our review methodology adopted an innovative automatic filtering process based on PDF-mining, which enhanced screening quality and reliability. Suggestions and our review limitations are also discussed.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google