Un Cadre de Formation Conjoints à Double MRC pour l'Analyse des Sentiments Basée sur les Aspects

L'analyse de sentiment basée sur les aspects (ABSA) implique trois sous-tâches fondamentales : l'extraction des termes d'aspects, l'extraction des termes d'opinion et la classification du sentiment au niveau des aspects. Les premiers travaux ne se concentraient que sur la résolution d'une seule de ces sous-tâches individuellement. Certains travaux récents ont porté sur la résolution d'une combinaison de deux sous-tâches, par exemple, l'extraction des termes d'aspects avec leurs polarités de sentiment ou l'extraction des paires de termes d'aspects et de termes d'opinion. Plus récemment, la tâche d'extraction de triplets a été proposée, c'est-à-dire l'extraction des triplets (terme d'aspect, terme d'opinion, polarité de sentiment) à partir d'une phrase. Cependant, les approches précédentes n'ont pas réussi à résoudre toutes les sous-tâches dans un cadre unifié et bout-en-bout. Dans cet article, nous proposons une solution complète pour l'ABSA. Nous construisons deux problèmes de compréhension automatique de la lecture (MRC) et résolvons toutes les sous-tâches en formant conjointement deux modèles BERT-MRC avec partage de paramètres. Nous menons des expériences sur ces sous-tâches, et les résultats sur plusieurs jeux de données de référence démontrent l'efficacité de notre cadre proposé, qui dépasse significativement les méthodes existantes les plus performantes.