Verbesserung der BERT-Leistung für die aspektbasierte Sentimentanalyse

Die aspect-basierte Sentimentanalyse (ABSA) untersucht die Meinungen von Verbrauchern zu Marktprodukten. Sie beinhaltet die Analyse der Art der Gefühle sowie der Gefühlsziele, die in Produktbewertungen ausgedrückt werden. Die Analyse der in einer Bewertung verwendeten Sprache ist eine schwierige Aufgabe, die ein tiefes Verständnis der Sprache erfordert. In den letzten Jahren haben tiefe Sprachmodelle wie BERT \cite{devlin2019bert} in diesem Bereich große Fortschritte gemacht. In dieser Arbeit schlagen wir zwei einfache Module vor, die als Parallel-Aggregation und Hierarchische-Aggregation bezeichnet werden und über BERT hinaus für die beiden Haupt-ABSA-Aufgaben, nämlich Aspekt-Extraktion (AE) und Aspekt-Sentiment-Klassifizierung (ASC), eingesetzt werden sollen, um die Leistung des Modells zu verbessern. Wir zeigen, dass die Anwendung der vorgeschlagenen Modelle das weitere Training des BERT-Modells entbehrlich macht. Der Quellcode ist im Internet verfügbar, um weitere Forschungen und die Reproduktion der Ergebnisse zu ermöglichen.