Ein hybrider Ansatz für die aspektbasierte Sentimentanalyse unter Verwendung einer lexikalisierten Domänen-Ontologie und attentionaler neuronaler Modelle

Diese Arbeit konzentriert sich auf die sentimentanalyse auf Satzebene für Restaurantbewertungen. Es wird ein zweistufiges Sentiment-Analyse-Verfahren vorgeschlagen. Dabei wird zunächst eine lexikalisierte Domänen-Ontologie eingesetzt, um die Stimmung vorherzusagen; als Backup-Algorithmus wird ein neuronalnetzbasierter Ansatz mit einer rotierenden Aufmerksamkeitsmechanismus (LCR-Rot) verwendet. Zudem werden zwei Erweiterungen für den Backup-Algorithmus eingeführt. Die erste Erweiterung verändert die Reihenfolge, in der der rotierende Aufmerksamkeitsmechanismus arbeitet (LCR-Rot-inv). Die zweite Erweiterung führt den rotierenden Aufmerksamkeitsmechanismus über mehrere Iterationen aus (LCR-Rot-hop). Anhand der SemEval-2015- und SemEval-2016-Daten stellen wir fest, dass das zweistufige Verfahren die Baseline-Methoden zwar nur geringfügig übertrifft, jedoch die Methode, bei der der rotierende Aufmerksamkeitsmechanismus mehrfach iteriert wird, die beste Gesamtleistung erzielt.