Zielgerichtete Extraktion von Meinungswörtern mit zielverschmolzenen neuronalen Sequenzmarkierungen

Die Extraktion von Meinungstargets und die Extraktion von Meinungswörtern sind zwei grundlegende Teilaufgaben im aspect-basierten Sentiment-Analyse (ABSA). In letzter Zeit wurden auf diesen beiden Aufgaben erhebliche Fortschritte erzielt. Allerdings richten sich nur wenige Arbeiten darauf, Meinungstargets und Meinungswörter als Paare zu extrahieren. In diesem Paper stellen wir eine neuartige Sequenzmarkierungs-Aufgabe für ABSA vor, die als TOWE (Target-oriented Opinion Words Extraction) bezeichnet wird und darauf abzielt, die entsprechenden Meinungswörter für ein gegebenes Meinungstarget zu extrahieren. Dazu wurde ein neuronales Netzwerkmodell mit Zielobjekt-Integration entwickelt, das die Sequenzmarkierung durchführt. Die Information des Meinungstargets wird durch einen Inward-Outward LSTM effektiv in den Kontext kodiert. Anschließend werden der linke und rechte Kontext um das Meinungstarget sowie der globale Kontext kombiniert, um die entsprechenden Meinungswörter zu identifizieren. Wir haben vier Datensätze für TOWE auf Basis mehrerer etablierter ABSA-Benchmarks aus Laptop- und Restaurant-Reviews erstellt. Die experimentellen Ergebnisse zeigen, dass unser vorgeschlagenes Modell die anderen verglichenen Methoden signifikant übertrifft. Wir sind überzeugt, dass unsere Arbeit nicht nur für nachgeschaltete Sentiment-Analyse-Aufgaben von Nutzen ist, sondern auch zur summarischen Paarbildung von Meinungen eingesetzt werden kann.