综述:方面级情感分析(三)Aspect

基于方面的情感分析AspectBasedSentimentAnalysis,ABSA[1]是一種細粒度的情感分析任務，旨在識别一條句子中一個指定方面Aspect的情感極性。一個句子中可能含有多個不同的方面，每個方面的情感極性可能不同。基于方面的情感分析有很多實際應用價值，如針對商品評論的基于方面的情感分析可以提取用戶對一個商品不同部分方面的評價，爲廠商進一步改進商品提供更細粒度的參考。
基于方面的情感分析ABSA中的方面Aspect可以指顯式出現在句子中的一個實體Target,Aspectterm或者隐式表達的一個描述事物的角度Aspectcategory。
圖1-ABSA實例一個Aspectterm是句子中的一個詞或詞組，如上圖中的decor和food。句子中針對decor和food這兩個Aspectterm的情感是不同的，AspectTermSentimentAnalysisATSA作爲ABSA的一個子任務，目的是識别句子中一個指定Aspectterm的情感極性，可以建模爲一個分類問題。
一個Aspectcategory是句子中隐式表達的描述事物的一個預先定義的角度。如上圖中的句子從ambience和food這兩個角度來描述一個餐館。Aspectcategory來自一個預先定義好的集合，其不必顯式地出現在句子中。AspectCategorySentimentAnalysisACSA作爲ABSA的另一個子任務，目的是識别句子中一個指定Aspectcategory的情感極性，也可以建模爲一個分類問題。
另外兩個ABSA的子任務分别是AspectTermExtraction和AspectCategoryExtraction。
AspectTermExtraction旨在抽取出一個句子中的Aspectterm，可以建模爲一個序列标注問題。
AspectCategoryExtraction旨在識别出一個句子中從哪些預先定義好的Aspectcategory角度描述事物，可以建模爲一個多标簽分類問題multi-labelclassification。
基于方面的情感分析ABSA主要包括以上四個子任務。
數據集。
目前絕大多數發表在ACL，EMNLP和NAACL上的ABSA相關論文實驗中使用的數據集是SemEval14RestaurantLaptopReview數據集和Twitter數據集。此外，最近公開的MAMS數據集也可以用來做ABSA任務。
SemEval14RestaurantReview數據集中包含ATSA和ACSA兩種版本，共有四千多條數據，分爲訓練集和測試集。ATSA的數據集也可以用來做AspectTermExtraction，ACSA的數據集也可以用來做AspectCategoryExtraction。
SemEval14LaptopReview數據集中隻有ATSA版本，共有三千多條數據，也分爲訓練集和測試集。Laptop數據集相比Restaurant數據集有更多隐式表達情感的樣本，數據量更少，難度更大。
Twitter數據集[2]中隻有ATSA版本，共有六千多條數據，分爲訓練集和測試集。Twitter數據集相比Restaurant數據集和Laptop數據集質量較低。
MAMS數據集中包含ATSA和ACSA兩種版本，共有一萬多條數據。MAMS的特點是，一個句子中一定包含至少兩個Aspect，并且同一個句子中至少有兩個Aspect情感極性是不同的。而Restaurant，Laptop和Twitter這三個數據集中，大多數句子隻包含一個Aspect或者包含多個相同情感的Aspect，這樣會造成基于方面的情感分析任務退化成句子級别的情感分析任務。
基于方面的情感分析的變種。
基于方面的情感分析除了4個子任務外還有兩個變種。
一個是TargetedAspectBasedSentimentAnalysis，結合了ATSA和ACSA，旨在識别句子中針對一個指定實體Target,Aspectterm的一個指定方面Aspectcategory的情感。數據集使用的是SentiHood數據集[3]。
另一個是抽取句子中和一個指定實體相關的情感詞Target-orientedOpinionWordsExtraction，使用的是TOWE數據集[4]。
參考文獻。
[1]TaskDescription:AspectBasedSentimentAnalysisABSA.。
[2]AdaptiveRecursiveNeuralNetworkforTarget-dependentTwitterSentimentClassification.ACL2014.。
[3]Sentihood:Targetedaspectbasedsentimentanalysisdatasetforurbanneighbourhoods.COLING2016.。
[4]Target-orientedOpinionWordsExtractionwithTarget-fusedNeuralSequenceLabeling.NACCL2019.。

以上就是綜述:方面級情感分析(三)Aspect的介紹,希望大家喜歡!