PulseAugur
实时 08:44:01
English(EN) SSP-based construction of evaluation-annotated data for fine-grained aspect-based sentiment analysis

新的SSP方法提升了韩语电商评论情感分析效果

研究人员开发了一种新的方法,用于构建细粒度方面情感分析的标注数据集,特别针对韩语电商评论。这种方法称为半自动符号传播(SSP),利用形式化为有限状态转换器的广泛语言资源。扩展的ABSA框架在主题和方面之外还纳入了方面值,并根据值是单一的、二元的还是多个的进行分类。在与KoBERT和KcBERT模型进行测试时,该数据集表现强劲,在识别方面值对方面,准确率(F1分数)分别达到了0.88和0.90。 AI

影响 引入了一种创建专用数据集的新颖方法,可以提高特定领域情感分析模型的准确性。

排序理由 该集群包含一篇学术论文,详细介绍了一种新的数据集构建方法及其在情感分析中的应用。[lever_c_demoted from research: ic=1 ai=1.0]

在 arXiv cs.CL 阅读 →

AI 生成摘要 · Google Gemini · 来自 1 个来源。 我们如何撰写摘要 →

新的SSP方法提升了韩语电商评论情感分析效果

报道来源 [1]

  1. arXiv cs.CL TIER_1 English(EN) · Jeesun Nam ·

    SSP-based construction of evaluation-annotated data for fine-grained aspect-based sentiment analysis

    We report the construction of a Korean evaluation-annotated corpus, hereafter called 'Evaluation Annotated Dataset (EVAD)', and its use in Aspect-Based Sentiment Analysis (ABSA) extended in order to cover e-commerce reviews containing sentiment and non-sentiment linguistic patter…