Core Concepts
Unser Ansatz zur Sentiment-Analyse nutzt ein Frage-Antwort-Framework, um präzise Emotionsausdrücke aus Texten zu extrahieren, indem er die Leistungsfähigkeit des BART-Modells (Bidirektionaler Autoregressive Transformer) einsetzt.
Abstract
In dieser Studie wurde ein Ansatz zur Sentiment-Analyse vorgestellt, der auf einem Frage-Antwort-Framework basiert. Der Ansatz nutzt das leistungsfähige BART-Modell (Bidirektionaler Autoregressive Transformer), um einen präzisen Emotionsausdruck aus einem gegebenen Text zu extrahieren, der eine bestimmte Sentiment-Polarität verstärkt.
Der Prozess besteht aus zwei Schritten:
Formulierung einer natürlichsprachlichen Frage, die auf die spezifische zu extrahierende Emotion abzielt. Diese Frage lenkt BART darauf, die relevanten emotionalen Hinweise im Text zu fokussieren.
Eingabe der kombinierten Frage und des Textes in den BART-Encoder, der sie in eine latente Darstellung kodiert. Anschließend verwendet der BART-Decoder einen Klassifikator, um die Start- und Endpositionen des Antworttextes innerhalb des Eingabetextes vorherzusagen. Dadurch lassen sich die genauen Grenzen des extrahierten Emotionsausdrucks identifizieren.
Die Evaluierung auf einem Datensatz von mit Sentiment-Polarität und ausgewähltem Text annotierten Tweets zeigt, dass der Ansatz gut funktioniert, mit einem Endverlust von 87% und einem Jaccard-Score von 0,61. Der Ansatz bietet mehrere Vorteile gegenüber herkömmlichen Sentiment-Analyse-Methoden, wie die Erfassung des vollständigen Kontexts und der Bedeutung des Textes sowie die Extraktion präziser Token-Spanne, die die beabsichtigte Emotion hervorheben.
Stats
Der Endverlust des Modells beträgt 87%.
Der Jaccard-Score des Modells beträgt 0,61.
Quotes
"Unser Ansatz bietet mehrere Vorteile gegenüber den meisten Sentiment-Analyse-Studien, darunter die Erfassung des vollständigen Kontexts und der Bedeutung des Textes sowie die Extraktion präziser Token-Spanne, die die beabsichtigte Emotion hervorheben."
"Der Jaccard-Ähnlichkeitskoeffizient ist ein Maß für die Überlappung zwischen den vorhergesagten und den tatsächlichen Antworttexten."