تحليل المشاعر القائم على الجوانب باستخدام الشبكات العصبية الرسومية المُراعية للنوع والتكوين الطبقي

من الشائع في الدراسات الحالية المتعلقة بتحليل المشاعر القائمة على الجوانب (ABSA) توظيف النماذج الرسومية العصبية لاستغلال العلاقات بين الكلمات من خلال تحليلات الاعتماد (dependency parses)، بهدف تحسين التوجيه الدلالي للسياق وكلمات الجوانب، وبالتالي تعزيز أداء التحليل. ومع ذلك، فإن معظم هذه الدراسات تستفيد فقط من العلاقات الاعتمادية دون أخذ أنواع هذه العلاقات بعين الاعتبار، كما أنها تعاني من نقص في آليات فعّالة تميّز العلاقات المهمة وتمكّن من التعلّم من الطبقات المختلفة لنماذج الرسومات. وللتغلب على هذه القيود، نقترح في هذا البحث منهجية تُستخدم بشكل صريح أنواع العلاقات الاعتمادية في تحليل المشاعر القائمة على الجوانب، باستخدام شبكات ت.Convolutional الرسومية المُدركة للنوع (T-GCN)، حيث يُستخدم الانتباه في T-GCN لتمييز الحواف المختلفة (العلاقات) في الرسم البياني، كما نقترح تجميع الطبقات المُنتبهة (attentive layer ensemble) لاستخلاص معرفة شاملة من الطبقات المختلفة في T-GCN. وقد أُثبتت صحة وفعالية المنهجية المقترحة من خلال النتائج التجريبية، حيث تم تحقيق أداء من الدرجة الرائدة (state-of-the-art) على ستة مجموعات بيانات معيارية باللغة الإنجليزية. كما أُجريت تجارب إضافية لتحليل مساهمة كل مكوّن في المنهجية، وتمت إبراز كيفية مساهمة الطبقات المختلفة في T-GCN في تحسين تحليل المشاعر، من خلال تحليل كمي ونوعي.