Doppelte Einbettungen und CNN-basierte Sequenzmarkierung für Aspektextraktion

Eine wesentliche Aufgabe der feingranularen Sentimentanalyse von Produktbewertungen besteht darin, die Produktaspekte oder -merkmale zu extrahieren, über die Nutzer Meinungen geäußert haben. Diese Arbeit konzentriert sich auf die überwachte Aspektextraktion unter Verwendung von Deep Learning. Im Gegensatz zu anderen hochentwickelten überwachten Deep-Learning-Modellen schlägt diese Arbeit ein neuartiges und dennoch einfaches CNN-Modell (Convolutional Neural Network) vor, das zwei Arten vorgebildeter Einbettungen für die Aspektextraktion verwendet: allgemeine Einbettungen und domänenspezifische Einbettungen. Ohne zusätzliche Überwachung erzielt dieses Modell überraschend gute Ergebnisse und übertrifft dabei die bisher besten existierenden Methoden. Nach unserem Wissen ist dies die erste Arbeit, die ein solches Doppel-Einbettungs-basiertes CNN-Modell für die Aspektextraktion präsentiert und sehr gute Ergebnisse erzielt.