Stars Are All You Need: A Distantly Supervised Pyramid Network for Unified Sentiment Analysis

要約

星のレビューなど、評価予測 (RP) センチメント分析タスクのデータはすぐに利用できます。
ただし、アスペクト カテゴリ検出 (ACD) およびアスペクト カテゴリ感情分析 (ACSA) のデータは、粒度が細かいため、多くの場合必要とされますが、収集にコストがかかります。
この研究では、統一的な方法で側面を理解し、センチメントをレビューするための統合センチメント分析 (Uni-SA) を提案します。
具体的には、トレーニングに RP ラベルのみを使用して ACD、ACSA、および RP を効率的に実行するための遠隔監視ピラミッド ネットワーク (DSPN) を提案します。
英語と中国語のマルチアスペクト レビュー データセットで DSPN を評価したところ、サンプル サイズの内部効率に加えて、DSPN がさまざまなベンチマーク モデルに対しても同等のパフォーマンスを発揮することがわかりました。
また、レビューに関する DSPN の出力の解釈可能性を実証し、統合センチメント分析に固有のピラミッド構造を示します。

要約(オリジナル)

Data for the Rating Prediction (RP) sentiment analysis task such as star reviews are readily available. However, data for aspect-category detection (ACD) and aspect-category sentiment analysis (ACSA) is often desired because of the fine-grained nature but are expensive to collect. In this work, we propose Unified Sentiment Analysis (Uni-SA) to understand aspect and review sentiment in a unified manner. Specifically, we propose a Distantly Supervised Pyramid Network (DSPN) to efficiently perform ACD, ACSA, and RP using only RP labels for training. We evaluate DSPN on multi-aspect review datasets in English and Chinese and find that in addition to the internal efficiency of sample size, DSPN also performs 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 unified sentiment analysis.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google