تحليل المشاعر القائمة على الجوانب المالية باستخدام التمثيلات العميقة

تم استكشاف موضوع تحليل المشاعر القائم على الجوانب (ABSA) في مجموعة متنوعة من الصناعات، ولكنه لا يزال غير مستكشف بشكل كبير في مجال المالية. قدّمت البيانات التي تم إصدارها مؤخرًا لتحدي مفتوح (FiQA) من المُرافقات الخاصة بمؤتمر WWW '18، Annotations محددة للقطاع المالي ذات قيمة. رغم أن FiQA تحتوي على تصنيفات ذات جودة عالية، إلا أنها ما زالت تعاني من نقص في كمية البيانات اللازمة لتطبيق هندسة التعلم العميق التقليدية في ABSA. في هذا البحث، نستخدم تمثيلات معنى عالية المستوى وطرق التعلم النقل الاستقرائي لنظم المعالجة اللغوية الطبيعية (NLP). نجري تجارب باستخدام توسيعات لأساليب التكيف النمطي التي طوّرت حديثًا وضبط الدقة للوظيفة المستهدفة، مما يُؤدي إلى تحسين أداء كبير على مجموعة بيانات صغيرة. تظهر نتائجنا تحسنًا بنسبة 8.7% في درجة F1 للتصنيف وتحسنًا بنسبة 11% فوق MSE للتنبؤ بالمقارنة مع أفضل النتائج الحالية.