Weakly-supervised sentence-based aspect category and sentiment classification

doi:10.1016/j.knosys.2025.113403

Weakly-supervised sentence-based aspect category and sentiment classification

2025-05-01

0

PRE

AI

DOI：10.1016/j.knosys.2025.113403

原文链接

原文求助

摘要

En 中文

情感分析提取内容创作者的情感，使用户能够轻松从这些数据中获得有价值的见解。大多数现有方法依赖于使用标注数据的监督学习方法。然而，获取此类标注训练数据困难且昂贵，尤其是在新领域和/或语言中。本研究聚焦于在弱监督设置下同时检测给定句子的方面类别和情感极性。提出了两种结合无监督标注算法与神经网络架构的方法。第一种提出的两步模型（SB-ASC）将种子句子作为标注算法的输入。通过利用预训练的Sentence-BERT嵌入的能力，该方法能够理解句子的上下文含义以创建高质量的标注数据集。该数据集被用于一个类不平衡鲁棒的基于BERT的神经网络，该网络联合学习方面类别的潜在特征和相应的情感。第二种提出的方法（WB-ASC）使用相同的神经网络结构，但将种子词而非种子句子作为标注算法的输入。我们得出结论，SB-ASC在方面情感检测方面优于WB-ASC以及基线和最先进的弱监督方法，在SemEval 2016餐厅-5、餐厅-3和笔记本电脑数据集上，方面类别检测的F1分数分别为71.35%、86.99%和73.86%，情感分类的F1分数分别为89.24%、89.98%和75.58%。此外，使用领域特定的上下文语言模型可提升性能。

Keyword:

Aspect-based sentiment analysis

Weakly-supervised learning

Neural network

Sentence-BERT

Focal loss

Weakly-supervised sentence-based aspect category and sentiment classification

摘要

期刊

机构

引用论文