Ein gemeinsames Trainings-Dual-MRC-Framework für die aspektbasierte Stimmungsanalyse

Die aspektbasierte Sentimentanalyse (ABSA) umfasst drei grundlegende Teilprobleme: die Extraktion von Aspektermen, die Extraktion von Meinungstermen und die sentimentale Klassifizierung auf Aspekt-Ebene. Frühere Arbeiten konzentrierten sich nur auf das Lösen eines dieser Teilprobleme einzeln. Einige jüngere Studien haben sich darauf fokussiert, eine Kombination von zwei Teilproblemen zu lösen, z.B. die Extraktion von Aspektermen zusammen mit den dazugehörigen Sentiment-Polaritäten oder die paarweise Extraktion von Aspektermen und Meinungstermen. Neuerdings wurde die Triple-Extraktionsaufgabe vorgeschlagen, d.h., die Extraktion von (Aspekterm, Meinungsterm, Sentiment-Polarität)-Tripeln aus einem Satz. Allerdings scheitern bisherige Ansätze daran, alle Teilprobleme in einem einheitlichen End-to-End-Framework zu lösen. In diesem Artikel schlagen wir eine vollständige Lösung für ABSA vor. Wir formulieren zwei Probleme der maschinellen Leseverstehens (MRC) und lösen alle Teilprobleme durch gemeinsames Training zweier BERT-MRC-Modelle mit Parameterfreigabe. Wir führen Experimente zu diesen Teilproblemen durch, und die Ergebnisse mehrerer Benchmark-Datensätze belegen die Effektivität unseres vorgeschlagenen Frameworks, das erheblich über den aktuellen Stand der Technik hinausgeht.