Ein Challenge-Datensatz und effektive Modelle für die aspektbasierte Sentiment-Analyse

Aspektbasierte Sentimentanalyse (Aspect-Based Sentiment Analysis, ABSA) hat in letzter Zeit zunehmend an Aufmerksamkeit gewonnen, da sie eine breite Anwendungsmöglichkeit bietet. In den bisherigen ABSA-Datensätzen enthalten die meisten Sätze lediglich ein einziges Aspekt oder mehrere Aspekte mit identischer Sentiment-Polarität, was die ABSA-Aufgabe letztlich zu einer Satz-Ebene-Sentimentanalyse degradieren lässt. In diesem Artikel stellen wir einen neuen, großskaligen Datensatz namens Multi-Aspect Multi-Sentiment (MAMS) vor, in dem jeder Satz mindestens zwei unterschiedliche Aspekte mit unterschiedlichen Sentiment-Polaritäten enthält. Die Veröffentlichung dieses Datensatzes wird die Forschung in diesem Bereich erheblich voranbringen. Darüber hinaus schlagen wir einfache, jedoch wirksame Modelle namens CapsNet und CapsNet-BERT vor, die die Stärken neuerer Fortschritte im Bereich der natürlichen Sprachverarbeitung (NLP) vereinen. Experimente auf unserem neuen Datensatz zeigen, dass das vorgeschlagene Modell die derzeit besten Baseline-Methoden deutlich übertrifft.