Réseaux d'Entités Récurents avec Mise à Jour de Mémoire Différée pour l'Analyse de Sentiment Basée sur les Aspects Ciblés

Bien que les réseaux neuronaux aient démontré des résultats impressionnants pour l'analyse de sentiment au niveau des phrases, l'analyse de sentiment basée sur des aspects ciblés (TABSA) --- extraction de la polarité d'opinion fine-grainée par rapport à un ensemble prédéfini d'aspects --- reste une tâche difficile. Inspirés par les progrès récents dans les modèles augmentés par la mémoire pour la lecture automatique, nous proposons une nouvelle architecture utilisant des chaînes de mémoire externes avec un mécanisme de mise à jour de mémoire retardée pour suivre les entités. Sur une tâche TABSA, le modèle proposé montre des améliorations substantielles par rapport aux approches de pointe, y compris celles utilisant des bases de connaissances externes.