低资源方面级情感分析研究综述

摘要：

方面级情感分析(Aspect-Based Sentiment Analysis)旨在识别文本中用户对于特定对象所表达的观点信息,是情感计算领域的前沿课题,近年来受到学术界和工业界的广泛关注.方面级情感分析涉及到方面词、观点词、方面类别和情感极性等多种要素,并相应地构成了多种目标任务.随着自然语言处理技术的高速发展,研究者们针对方面级情感分析提出了众多解决方案,在性能表现上取得了一定进展.然而,受限于方面级情感分析高昂的标注代价,现有研究大多局限于特定的语言和领域,训练样本不足导致的低资源场景阻碍了相关方法的进一步拓展与应用.本文首先从方面级情感分析相关定义出发,对其所涉及的各种要素及任务进行了阐述,并介绍了常用数据集及评价指标;其次,针对方面级情感分析包含的基本任务和扩展任务,详细深入地综述和分析了相关模型的发展历程;再次,对于低资源场景下的方面级情感分析任务,从模型和数据两个层面对现有改进策略进行了归纳和对比;最后,对低资源方面级情感分析的未来研究趋势进行了展望和总结.

关键词：低资源场景、方面级情感分析、数据增强、领域适应、信息抽取

所属期刊栏目：46

分类号：TP391(计算技术、计算机技术)

资助基金：国家自然科学基金;国家自然科学基金

在线出版日期：2023-07-21（万方平台首次上网日期，不代表论文的发表时间）

页数：共28页

页码：1445-1472