提高BERT在基于方面的情感分析中的性能

基于方面的情感分析（Aspect-Based Sentiment Analysis, ABSA）研究消费者对市场产品的意见。它涉及分析产品评论中表达的情感类型及其情感目标。分析评论中使用的语言是一项艰巨的任务，需要深入理解语言。近年来，深度语言模型如BERT \cite{devlin2019bert} 在这方面取得了显著进展。在本工作中，我们提出了两个简单的模块，即并行聚合（Parallel Aggregation）和层次聚合（Hierarchical Aggregation），旨在在BERT基础上用于两个主要的ABSA任务——方面提取（Aspect Extraction, AE）和方面情感分类（Aspect Sentiment Classification, ASC），以提高模型的性能。我们展示了应用所提出的模型可以消除进一步训练BERT模型的必要性。源代码已发布在互联网上，供进一步研究和结果复现使用。