Double plongements et étiquetage de séquence basé sur les CNN pour l'extraction d'aspects

Une tâche clé de l'analyse de sentiment fine-grain des avis sur les produits consiste à extraire les aspects ou caractéristiques du produit sur lesquels les utilisateurs ont exprimé des opinions. Cet article se concentre sur l'extraction supervisée d'aspects à l'aide d'apprentissage profond. Contrairement aux autres modèles d'apprentissage profond supervisés très sophistiqués, cet article propose un nouveau modèle CNN simple utilisant deux types d'embeddings pré-entraînés pour l'extraction d'aspects : des embeddings à usage général et des embeddings spécifiques au domaine. Sans utiliser aucune supervision supplémentaire, ce modèle obtient des résultats surprenamment bons, surpassant les méthodes existantes de pointe et très sophistiquées. À notre connaissance, cet article est le premier à rapporter un tel modèle CNN basé sur des double embeddings pour l'extraction d'aspects et à obtenir d'excellents résultats.