Поддержанный подход к обучению для извлечения аспекта

Question

Я разрабатываю проект анализа настроений на уровне аспекта для онлайн-отзывов о путешествиях.

У меня есть аннотированный человеческий набор данных, который обозначил аспекты аспекта и категории аспект вместе с их полярностью настроения.

Например,

Sentence: 

This beach was a wonderful time for a day party it had a fun crowd and has a big bar with a great atmosphere. The food was delicious too. 

выше предложение имеет аспект термины следующие меченых;

{party#positive C} {crowd#positive C} {bar#positive C} {food#positive C} 

И следующие аспект категории;

{entertainment#positive C} {accommodation#positive C} 

Я хочу попробовать supervised learning подход для подготовки модели для классификации терминов аспекта из предложений.

Я пользуюсь Stanford CORENLP библиотекой. Но смутно, как должен выглядеть формат данных обучения? и каков наилучший подход.

Я видел людей, использующих IOB notation для форматирования данных обучения для обучения NER систем. Могу ли я использовать аналогичный метод, чтобы это сделать? Как и в, как мне отформатировать файл данных обучения, чтобы получить аспекты, как указано выше, из входного предложения?

Если кто-то может указать мне в правильном направлении, я был бы признателен за это.

Answer 1

Эту проблему можно решить, разбив ее на более мелкие подзадачи. Возможный подход к трубопроводу может быть следующим:

1. Первый этап - извлечение аспекта, которое будет идентифицировать аспекты аспекта в исходном тексте. Это также можно разбить на две подзадачи. Во-первых, ваша система должна будет маркировать токены в тексте, которые являются аспектами. Давайте назовем эти обозначенные аспектные знаки токенов. Это называется Именованное распознавание сущности (NER). Затем, если у вас есть предопределенный набор классов аспектов, системам необходимо будет связать упоминания аспекта, найденные в предыдущей задаче, с этими классами. Это называется Связь объекта. Стоит отметить, что из примера, который вы даете помеченному набору данных, еще не подходит для вышеупомянутых задач, поскольку метки не привязаны к тексту. Вы можете создать подходящий набор данных, угадав, какие жетоны в тексте соответствуют вашим данным меткам. Это похоже на работу Distant Supervision.

2. Следующая задача - классификация чувств с точки зрения аспектов. Сверторные нейронные сети были использованы для классификации предложений и документов, но они, вероятно, могут быть адаптированы для ваших целей, если на входе вы предоставите маркер, для которого классифицируются маркеры. Это называется вложением позиции в эту работу: http://www.cs.nyu.edu/~thien/pubs/vector15.pdf