Extraction de catégorie d'aspect, d'opinion et de sentiment à l'aide d'un modèle Transformer génératif

L’analyse de sentiment est l’une des applications du traitement automatique du langage naturel (TALN) visant à traiter et extraire efficacement et rapidement des informations d’opinion. Pour aller au-delà de l’extraction de triplets précédemment étudiés — à savoir les triplets aspect-opinion-sentiment — une nouvelle tâche d’extraction a été introduite : l’extraction de quadruplets aspect-catégorie d’aspect-opinion-sentiment (ACOS). Bien qu’il existe plusieurs méthodes pour extraire ces quadruplets, elles présentent toutefois des limitations importantes, notamment une faible efficacité face aux informations implicites et des performances globales insuffisantes. Ce papier propose une approche basée sur BART-Aspect-Based-Sentiment-Analysis (BARTABSA), un modèle d’analyse de sentiment conçu pour unifier les deux sous-tâches précédentes de l’analyse de sentiment axée sur l’aspect — à savoir l’extraction des paires aspect-opinion et l’extraction des triplets aspect-opinion-sentiment — tout en les résolvant sans modifier l’algorithme central ni intégrer d’autres modèles. Après quelques ajustements apportés aux données et à la couche externe du modèle, les résultats montrent une amélioration significative et prometteuse par rapport aux approches antérieures.