Extraktion von Aspekt-Kategorie-Opinion-Sentiment-Vierlingen mit impliziten Aspekten und Meinungen

Produktbewertungen enthalten eine große Anzahl an impliziten Aspekten und impliziten Meinungen. Die meisten bestehenden Studien im Bereich der aspektbasierten Sentimentanalyse ignorieren dieses Problem jedoch. In dieser Arbeit führen wir eine neue Aufgabe ein, die als Aspekt-Kategorie-Opinion-Sentiment (ACOS)-Vierfachextraktion bezeichnet wird, mit dem Ziel, alle Aspekt-Kategorie-Opinion-Sentiment-Vierer in einem Bewertungssatz zu extrahieren und eine umfassende Unterstützung für die aspektbasierte Sentimentanalyse mit impliziten Aspekten und Meinungen zu bieten. Außerdem erstellen wir zwei neue Datensätze, namens Restaurant-ACOS und Laptop-ACOS, für diese neue Aufgabe; beide enthalten Annotationen nicht nur von Aspekt-Kategorie-Opinion-Sentiment-Vierern, sondern auch von impliziten Aspekten und Meinungen. Der erste Datensatz ist eine Erweiterung des SemEval-Restaurant-Datensatzes; der zweite ist ein neu gesammelter und annotierter Laptop-Datensatz, der doppelt so groß ist wie der SemEval-Laptop-Datensatz. Schließlich bewerten wir die Aufgabe mit vier Baseline-Systemen. Experimente zeigen die Durchführbarkeit der neuen Aufgabe sowie ihre Wirksamkeit bei der Extraktion und Beschreibung impliziter Aspekte und impliziter Meinungen. Die beiden Datensätze sowie der Quellcode der vier Systeme werden öffentlich auf url{https://github.com/NUSTM/ACOS} bereitgestellt.