DOER : RNN à double partage croisé pour la co-extraction de termes d'aspect et de polarité

Ce travail se concentre sur deux sous-tâches liées de l'analyse de sentiment basée sur les aspects, à savoir l'extraction des termes d'aspects et la classification du sentiment des aspects, que nous appelons l'extraction conjointe des termes d'aspects et de leur polarité. La première tâche consiste à extraire les aspects d'un produit ou d'un service à partir d'un document d'opinion, tandis que la seconde vise à identifier la polarité exprimée dans le document concernant ces aspects extraits. La plupart des algorithmes existants abordent ces tâches comme deux problèmes distincts et les résolvent séquentiellement, ou ne réalisent qu'une seule tâche, ce qui peut compliquer leur utilisation dans des applications réelles. Dans cet article, nous traitons ces deux tâches comme deux problèmes d'étiquetage de séquence et proposons un nouveau cadre Dual crOss-sharEd RNN (DOER) pour générer simultanément tous les paires terme d'aspect-polarité de la phrase en entrée. Plus précisément, DOER implique un réseau neuronal récurrent dual pour extraire la représentation respective de chaque tâche, ainsi qu'une unité partagée croisée pour prendre en compte la relation entre elles. Les résultats expérimentaux montrent que le cadre proposé surpasse les méthodes de référence de pointe sur trois jeux de données de référence.