摘要
基于方面的情感分析（ABSA）旨在识别针对特定方面的细粒度情感极性，是情感分析（SA）的一个具有挑战性的子任务。在本文中，我们从方面构建了一个辅助句子，并将ABSA转换为句子对分类任务，例如问答（QA）和自然语言推理（NLI）。我们对BERT预训练模型进行了微调，并在SentiHood和SemEval-2014 Task 4数据集上取得了新的最先进结果。
代码仓库
ywu94/Code-Notes
pytorch
GitHub 中提及
recommeddit/labs
pytorch
GitHub 中提及
mwbrulhardt/yelp-absa
pytorch
GitHub 中提及
anshulwadhawan/ABSA
pytorch
GitHub 中提及
atharvajdhumal/Sentiment-Analysis
pytorch
GitHub 中提及
LorenzoAgnolucci/BERT_for_ABSA
pytorch
GitHub 中提及
HSLCY/ABSA-BERT-pair
官方
pytorch
基准测试
| 基准 | 方法 | 指标 |
|---|---|---|
| aspect-based-sentiment-analysis-on-semeval-3 | BERT-pair-QA-B | Accuracy (3-way): 89.9 Accuracy (4-way): 85.9 Binary Accuracy: 95.6 |
| aspect-based-sentiment-analysis-on-sentihood | BERT-pair-QA-M | Aspect: 86.4 Sentiment: 93.6 |
| aspect-based-sentiment-analysis-on-sentihood | BERT-pair-QA-B | Aspect: 87.9 Sentiment: 93.3 |
| aspect-category-detection-on-semeval-2014 | BERT-pair-NLI-B | F1 score: 92.18 Precision: 93.57 Recall: 90.83 |