一种结合序列和主题信息的无监督方面词提取模型*
2021-05-20殷润达
殷润达
(昆明理工大学,云南 昆明 650500)
0 引言
从评论中提取不同类别的方面词将有助于方面级情感分析(Aspect-Based Sentiment Analysis,ABSA)、意见总结(Opinion Summarization)、热点话题追踪[1-3]等研究。对于来自同一领域的一组数据集,方面词提取的主要目的是发现不同的方面类别,每一个类别由一组方面词表示[4],具体任务为:
(1)挖掘和聚类评论数据集中能代表方面类别的方面词。例如挖掘出Restaurant 数据集中“waitstaff”“busboy”“server”等方面词,并将上述方面词聚为Staff 类别。其中类别的含义通常需要人工推断。
(2)根据数据集中每一条评论的主题分布确定其方面类别。例如,“The waitress,seems to be more concerned of looking good than actually waitressing”一句,在主题分布中,Staff 类别所对应的概率最大,预测其属于Staff 类别。
方面词提取主要分为有监督和无监督两类方法。监督方面词提取方法将该任务视为一个序列标记任务,主要采用基于统计、图以及语义分析的方法:基于统计的方法关注单词在评论中的特征,通过对评论中单词出现的频次进行统计分析和权值计算,将高权值的单词作为方面词[5];基于图的方法将文本中的单词视为图中的节点,以节点的投票排名为依据对方面词进行提取[6];基于语义信息的方法重点关注单词与方面类别之间的关系,并通过此关系获得单词与评论之间的语义信息,实现方面词提取[7]。序列标记通常需要耗费较多的标注成本,并且在标注过程中存在主观性强的问题。无监督方法则可以使模型避免人工标注问题。
Zhu 等人[8]和Li 等人[9]将未标注的评论给予一组能够代表各类别的种子词,通过非种子词与种子词之间的共现模式来提取方面词。……
