Champs de Markov Conditionnels Récursifs pour l'Analyse de Sentiment Basée sur les Aspects

Dans l'analyse de sentiment basée sur les aspects, l'extraction des termes d'aspect ainsi que des opinions exprimées dans le contenu généré par les utilisateurs est l'une des sous-tâches les plus importantes. Les études précédentes ont montré que l'exploitation des connexions entre les termes d'aspect et d'opinion est prometteuse pour cette tâche. Dans cet article, nous proposons un nouveau modèle conjoint qui intègre les réseaux neuronaux récursifs et les champs aléatoires conditionnels dans un cadre unifié pour l'extraction explicite simultanée des termes d'aspect et d'opinion. Le modèle proposé apprend des caractéristiques discriminantes de haut niveau et propage l'information bidirectionnellement entre les termes d'aspect et d'opinion. De plus, il offre la flexibilité d'intégrer des caractéristiques conçues manuellement au modèle proposé afin d'améliorer encore davantage ses performances en extraction d'information. Les résultats expérimentaux sur le jeu de données du défi SemEval 2014 montrent la supériorité de notre modèle proposé par rapport à plusieurs méthodes de base ainsi qu'aux systèmes gagnants du défi.