Amélioration des performances de BERT pour l'analyse de sentiment basée sur les aspects

L'Analyse de Sentiment Basée sur les Aspects (ABSA) étudie l'opinion des consommateurs sur les produits du marché. Elle implique l'examen des types de sentiments ainsi que des cibles de ces sentiments exprimés dans les avis sur les produits. L'analyse du langage utilisé dans un avis est une tâche complexe qui nécessite une compréhension approfondie de la langue. Au cours des dernières années, les modèles linguistiques profonds, tels que BERT \cite{devlin2019bert}, ont montré d'importants progrès en ce domaine. Dans cette étude, nous proposons deux modules simples appelés Agrégation Parallèle et Agrégation Hiérarchique pour être utilisés au-dessus de BERT afin d'améliorer la performance du modèle pour deux tâches principales d'ABSA, à savoir l'Extraction d'Aspects (AE) et la Classification de Sentiment d'Aspects (ASC). Nous démontrons que l'application des modèles proposés élimine la nécessité d'un entraînement supplémentaire du modèle BERT. Le code source est disponible sur le Web pour des recherches ultérieures et la reproduction des résultats.