摘要

基于方面的情感分析（Aspect-Based Sentiment Analysis, ABSA）旨在自动提取实体的方面（aspect）并分类每个提取方面的情感极性。目前大多数可用的ABSA系统严重依赖人工标注的数据集来训练监督式机器学习模型。然而，构建这类人工标注数据集的过程耗时费力，因此现有的ABSA数据集仅覆盖少数领域，且规模有限。为应对这一挑战，我们提出了FABSA（Feedback ABSA），一个大规模、多领域的ABSA反馈评论数据集。FABSA包含约10,500条来自10个不同领域的评论。我们开展了一系列实验，评估先进深度学习模型在FABSA数据集上的表现。实验结果表明，当在FABSA数据集上训练时，ABSA模型能够实现跨领域的良好泛化能力，且随着训练数据规模的扩大，模型性能进一步提升。FABSA数据集已公开发布，可供学术界和工业界免费使用。