Entity-Aspect-Opinion-Sentiment Quadruple Extraction for Fine-grained Sentiment Analysis

要約

製品レビューには多くの場合、暗黙的な側面やオブジェクトと属性が共存するケースが多数含まれます。
残念ながら、アスペクトベースの感情分析（ABSA）に関する既存の研究の多くはこの問題を見落としており、そのため包括的かつ公平に意見を抽出することが困難になる可能性があります。
この論文では、エンティティ-アスペクト-オピニオン-センチメント四重抽出（EASQE）と呼ばれる新しいタスクを提案します。これは、ABSAタスクにおける情報損失、非排他的な注釈、意見の誤解を避けるために、アスペクト用語をエンティティとアスペクトに階層的に分解することを目的としています。
。
この新しいタスクの研究を促進するために、SemEval Restaurant および Laptop データセットに基づいて 4 つのデータセット (Res14-EASQE、Res15-EASQE、Res16-EASQE、および Lap14-EASQE) を構築しました。
また、EASQE タスクのベースラインとして、新しい 2 段階シーケンス タグ付けベースの Trigger-Opinion フレームワークを提案しました。
経験的評価によると、当社の Trigger-Opinion フレームワークは満足のいく EASQE 結果を生成でき、他の ABSA タスクにも適用でき、最先端の手法を大幅に上回ります。
この分野でのさらなる研究を促進するために、Trigger-Opinion の 4 つのデータセットとソース コードを公開しました。

要約(オリジナル)

Product reviews often contain a large number of implicit aspects and object-attribute co-existence cases. Unfortunately, many existing studies in Aspect-Based Sentiment Analysis (ABSA) have overlooked this issue, which can make it difficult to extract opinions comprehensively and fairly. In this paper, we propose a new task called Entity-Aspect-Opinion-Sentiment Quadruple Extraction (EASQE), which aims to hierarchically decompose aspect terms into entities and aspects to avoid information loss, non-exclusive annotations, and opinion misunderstandings in ABSA tasks. To facilitate research in this new task, we have constructed four datasets (Res14-EASQE, Res15-EASQE, Res16-EASQE, and Lap14-EASQE) based on the SemEval Restaurant and Laptop datasets. We have also proposed a novel two-stage sequence-tagging based Trigger-Opinion framework as the baseline for the EASQE task. Empirical evaluations show that our Trigger-Opinion framework can generate satisfactory EASQE results and can also be applied to other ABSA tasks, significantly outperforming state-of-the-art methods. We have made the four datasets and source code of Trigger-Opinion publicly available to facilitate further research in this area.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google