从这节课开始,我们将一起来学习一个新的项目,叫做属性级情感分析。属性级情感分析(Aspect-based Sentiment Analysis, ABSA)是一类细粒度情感分析任务,常用于评论分析中,帮助商家深入理解用户偏好。

传统的情感分析,一般是针对整个句子的,比如购物网站上的好评或者差评(分类任务,参考TextCNN课程)。但在实际场景中,对于某个商品的评价,往往是有好有坏的,所以,我们把好的和坏的评价对象区分评判,往往更有工程意义。

效果演示

输入:text = '这个手机外观时尚,美中不足的是拍照像素低。'
输出:[{'aspect': '外观', 'sentiment': 'Positive', 'position': [5, 6]}, {'aspect': '拍照像素', 'sentiment': 'Negative', 'position': [16, 17, 18, 19]}]

模型结构

模型名称:LCF-ATEPC,面向中文及多语言的ATE (Aspect Term Extraction, 属性提取) 和APC (Aspect Polarity Classification, 属性情感分类) 联合学习模型。

论文地址:https://arxiv.org/pdf/1912.07976.pdf

其他说明

1)这个课程是项目课,类似 Bert 原理等基础知识,需要大家课前了解。

2)课程有一定难度,初学者朋友,建议学完前面2-3个基础课程,熟悉我的代码风格后,再看这个课程。

本文为 陈华 原创,欢迎转载,但请注明出处:http://www.ichenhua.cn/read/446