Ein hybrider Ansatz für die aspektbasierte Sentimentanalyse unter Verwendung tiefer kontextueller Wortembeddings und hierarchischer Aufmerksamkeit

Das Web ist heute zur Hauptplattform geworden, auf der Menschen ihre Meinungen zu interessanten Entitäten und deren zugehörigen Aspekten äußern. Die aspektbasierte Sentimentanalyse (Aspect-Based Sentiment Analysis, ABSA) zielt darauf ab, die Stimmung bezüglich dieser Aspekte automatisch aus argumentativen Texten zu extrahieren. In diesem Artikel erweitern wir die aktuell führende Hybrid-Approach-Methode für die aspektbasierte Sentimentanalyse (HAABSA) in zwei Richtungen. Erstens ersetzen wir die kontextunabhängigen Wortembeddings durch tief kontextuelle Wortembeddings, um die Wortsemantik in einem gegebenen Text besser erfassen zu können. Zweitens nutzen wir eine hierarchische Aufmerksamkeit, indem wir eine zusätzliche Aufmerksamkeitsschicht in die hochstufigen Darstellungen der HAABSA-Methode integrieren, um die Flexibilität des Modells bei der Modellierung der Eingabedaten zu erhöhen. Anhand zweier etablierter Datensätze (SemEval 2015 und SemEval 2016) zeigen wir, dass die vorgeschlagenen Erweiterungen die Genauigkeit des entwickelten Modells für die ABSA verbessern.