Aspect Based Sentiment Analysis (ABSA)

基于属性的情感分析（Aspect Based Sentiment Analysis）是一种在给定的语料库中同时提取（co-extracting ）表达意见和（事物）属性/方面术语（意见目标）以及它们之间的关系的任务。

算法概览

训练：训练阶段输入训练数据，并输出意见词典（opinion lexicon）和属性词典（aspect lexicon）。 总体说来，训练流程包括以下三个主要步骤：

• 1.第一个训练步骤是由Spacy执行的文本预处理。 此步骤包括标记化（tokenization）、词性标注（part-of-speech tagging）和语句切割（sentence breaking）。
• 2.第二个训练步骤是将依赖性解析器应用于训练数据。 为此，我们使用了论文1中描述的解析器。有关步骤1和2的更多详细信息，请参阅BIST依赖解析器。
• 3.第三步是基于使用论文2中描述的bootstrap词典获取算法（a bootstrap lexicon acquisition algorithm），该算法使用由论文3引入的通用词典（a generic lexicon）作为bootstrap过程的初始步骤。
• 4.最后一步包括应用基于MLP（多层感知器）的意见词组重新排序（opinion term re-ranking ）和极性估计算法（polarity estimation algorithm）。 此步骤基于使用每个获取的词组（each acquired term）之间的词嵌入相似性（word embbedding similarities），以及一系列的通用观点词组（generic opinion terms）作为特征。提供预先训练的模型重新排序。

推理：推理阶段输入待推理数据以及训练阶段生成的意见词典（opinion lexicon）和属性