إخفاء التحيز: من الغرف الصوتية إلى التحليل الاتجاهي القائم على الجوانب على نطاق واسع

تحليل المشاعر القائم على الجوانب (ABSA) هو مهمة في معالجة اللغة الطبيعية (NLP)، يُسند فيها روابط مشاعر دقيقة إلى كيانات ومواضيع محددة في بيانات النص. يعالج هذا البحث عيوبًا جوهرية في الطرق الحالية لـ ABSA، وخاصة مشكلات الحدود المحدودة للجوانب، والتحيزات في مجموعات التدريب، ونقص وجود مجموعات بيانات شاملة مُشفرة من حيث المواقف. أولاً، نُطور منهجية قابلة للتوسع تُسمى MaskedABSA، حيث يتم تغطية مصطلحات الجوانب في جمل التدريب، مما يمكّن من استنتاج المشاعر دون تحيز بناءً على السياق وحده. ونُظهر أن الطريقة المقترحة تتفوق على الحلول الرائدة في الدقة في مهمة تصنيف مشاعر مصطلحات الجوانب، كما تأكد ذلك من خلال مجموعات بيانات SemEval. علاوة على ذلك، نعالج التحديات الدائمة المتمثلة في محدودية موارد التدريب وتكاليف التسمية اليدوية الباهظة في إنشاء مجموعات بيانات ABSA، من خلال تقديم تقنية تعلم ضعيف (weak supervision) مبتكرة تعتمد على الخصائص الطبيعية لتركز المجتمعات الموجودة في مجموعات بيانات وسائل التواصل الاجتماعي. نستخدم خوارزميات كشف المجتمعات لتقسيم شبكة المشاركة إلى مجموعات متعارضة ومتماسكة من حيث المواقف، ما يتيح تجميع مجموعات بيانات ضخمة لتحليل المشاعر القائم على الجوانب دون الحاجة إلى تسمية يدوية مكثفة. كما تم التحقق من صحة منهجيتنا باستخدام مجموعة بيانات واقعية متمايزة، تضم جوانب ومقاييس مواقف متنوعة، لإبراز كفاءتها وقابلية التوسع.