초록
문맥-항목 감성 분석(Aspect-term Sentiment Analysis, ATSA)은 자연어 이해에서 오랫동안 지속된 도전 과제입니다. 이는 텍스트에 나타난 대상 실체에 대한 세부적인 의미론적 추론을 요구합니다. 항목별 수작업 주석이 노동 집약적이며 시간이 많이 소요되기 때문에, 지도 학습을 위한 라벨링된 데이터의 양은 제한적입니다. 본 논문에서는 변분 자동 인코더를 기반으로 한 트랜스포머(Variational Autoencoder based on Transformer, VAET)를 사용하여 ATSA 문제에 대한 반지도 방법을 제안합니다. 이 방법은 변분 추론을 통해 잠재 분포를 모델링합니다. 잠재 표현을 항목 특화 감성과 어휘적 맥락으로 분리함으로써, 우리의 방법은 라벨링되지 않은 데이터에 대한 내재적인 감성 예측을 유도하며, 이는 다시 ATSA 분류기에 도움을 줍니다. 우리의 방법은 분류기 독립적이며, 즉 분류기는 독립적인 모듈이며 다양한 고급 지도 모델이 통합될 수 있습니다. 실험 결과는 SemEval 2014 태스크 4에서 얻어졌으며, 네 가지 고전적인 분류기를 사용한 결과가 포함되어 있습니다. 제안된 방법은 두 가지 일반적인 준지도 방법보다 우수하며 최신 성능을 달성하였습니다.