نموذج تعلّم متعدد المهام لتصنيف اتجاه الجوانب المُوجّهة نحو اللغة الصينية واستخراج مصطلحات الجوانب

يُعدّ تحليل المشاعر القائم على الجوانب (ABSA) مهمة متعددة المدى ضمن معالجة اللغة الطبيعية، ويتكون من مهام فرعية اثنتين: استخراج مصطلح الجوانب (ATE) وتصنيف اتجاه مشاعر الجوانب (APC). وتركز معظم الدراسات الحالية على مهمة استنتاج اتجاه مشاعر مصطلح الجوانب، بينما تتجاهل الأهمية الجوهرية لاستخراج مصطلحات الجوانب. علاوةً على ذلك، لا تولي الأبحاث الحالية اهتمامًا كافيًا لدراسة مهمة ABSA المُوجّهة نحو اللغة الصينية. استنادًا إلى آلية التركيز على السياق المحلي (LCF)، تقدّم هذه الورقة نموذجًا للتعلم المتعدد المهام مُصممًا خصيصًا للتحليل القائم على الجوانب باللغة الصينية، ويُسمّى LCF-ATEPC. مقارنةً بالنماذج الحالية، يتمتع هذا النموذج بقدرات مزدوجة تُمكّنه من استخراج مصطلحات الجوانب وتحديد اتجاه مشاعرها في آنٍ واحد، كما يُظهر كفاءة عالية في تحليل التعليقات الصينية والإنجليزية معًا، وقد أثبتت التجارب على مجموعة بيانات مختلطة متعددة اللغات فعاليته. وباستخدام نموذج BERT المُعدّل حسب المجال (domain-adapted BERT)، حقق نموذج LCF-ATEPC أداءً متقدمًا جدًا في استخراج مصطلحات الجوانب وتصنيف اتجاه مشاعرها على أربع مجموعات بيانات مراجعات صينية. علاوةً على ذلك، تفوقت نتائج التجارب على المجموعتين الأكثر استخدامًا في مسابقة SemEval-2014، المُتعلقتين ببيانات المطاعم والحواسيب المحمولة، على الأداء المتقدم الحالي في المهمتين الفرعيتين ATE وAPC.