Enhanced Implicit Sentiment Understanding With Prototype Learning and Demonstration for Aspect-Based Sentiment Analysis

情绪分析 计算机科学 人工智能 数据科学 自然语言处理 认知科学 心理学
作者
Huizhe Su,Xinzhi Wang,Jinpeng Li,Shaorong Xie,Xiangfeng Luo
出处
期刊:IEEE Transactions on Computational Social Systems [Institute of Electrical and Electronics Engineers]
卷期号:11 (5): 5631-5646 被引量:1
标识
DOI:10.1109/tcss.2024.3368171
摘要

In the field of social computing, the task of aspect-based sentiment analysis (ABSA) aims to classify the sentiment polarity of a given aspect in a sentence. The absence of explicit opinion words in the implicit aspect sentiment expressions poses a greater challenge for capturing their sentiment features in the reviews from social media. Many recent efforts use dependency trees or attention mechanisms to model the association between the aspect and other contextual words. However, dependency tree-based methods are inefficient in constructing valuable associations for sentiment classification due to the lack of explicit opinion words. In addition, the use of attention mechanisms to obtain global semantic information easily leads to an undesired focus on irrelevant words that may have sentiments but are not directly related to the specific aspect. In this article, we propose a novel prototype-based demonstration (PD) model for the ABSA task, which contains prototype learning and PD stages. In the prototype learning stage, we employ mask-aware attention to capture the global sentiment feature of aspect and learn sentiment prototypes through contrastive learning. This allows us to acquire comprehensive central semantics of the sentiment polarity that contains the implicit sentiment features. In the PD stage, to provide explicit guidance for the latent knowledge within the T5 model, we utilize prototypes similar to the aspect sentiment as the neural demonstration. Our model outperforms others with a 1.68%/0.28% accuracy gain on the Laptop/Restaurant datasets, especially in the ISE slice, showing improvements of 1.17%/0.26%. These results confirm the superiority of our PD-ABSA in capturing implicit sentiment and improving classification performance. This provides a solution for implicit sentiment classification in social computing.
最长约 10秒,即可获得该文献文件

科研通智能强力驱动
Strongly Powered by AbleSci AI
更新
大幅提高文件上传限制,最高150M (2024-4-1)

科研通是完全免费的文献互助平台,具备全网最快的应助速度,最高的求助完成率。 对每一个文献求助,科研通都将尽心尽力,给求助人一个满意的交代。
实时播报
khaosyi完成签到 ,获得积分10
1秒前
沉沉完成签到 ,获得积分0
2秒前
浚稚完成签到 ,获得积分10
2秒前
courage完成签到,获得积分10
2秒前
wBw完成签到,获得积分10
10秒前
11秒前
呐殇发布了新的文献求助10
12秒前
最美夕阳红完成签到,获得积分10
14秒前
zyw完成签到 ,获得积分10
14秒前
握瑾怀瑜完成签到 ,获得积分0
14秒前
有机发布了新的文献求助10
16秒前
直率的青寒完成签到,获得积分10
18秒前
蚂蚁踢大象完成签到 ,获得积分10
19秒前
21秒前
26秒前
激昂的南烟完成签到 ,获得积分10
28秒前
zhang完成签到 ,获得积分10
28秒前
我独舞完成签到 ,获得积分10
34秒前
梅列军完成签到 ,获得积分10
38秒前
onevip完成签到,获得积分10
38秒前
shierfang完成签到 ,获得积分10
56秒前
行云流水完成签到,获得积分10
56秒前
luffy完成签到 ,获得积分10
58秒前
阳光少女完成签到 ,获得积分10
1分钟前
畅快的谷秋完成签到 ,获得积分10
1分钟前
是我不得开心妍完成签到 ,获得积分10
1分钟前
名侦探柯基完成签到 ,获得积分10
1分钟前
Akim应助waikeyan采纳,获得10
1分钟前
科研狗完成签到 ,获得积分10
1分钟前
able完成签到 ,获得积分10
1分钟前
gnr2000完成签到,获得积分10
1分钟前
云不暇完成签到 ,获得积分10
1分钟前
吃小孩的妖怪完成签到 ,获得积分10
1分钟前
1分钟前
饱满的棒棒糖完成签到 ,获得积分10
1分钟前
baobeikk完成签到 ,获得积分10
1分钟前
特别圆的正方形完成签到 ,获得积分10
1分钟前
初心路完成签到 ,获得积分10
1分钟前
waikeyan发布了新的文献求助10
1分钟前
贰鸟应助科研通管家采纳,获得20
1分钟前
高分求助中
Evolution 10000
Distribution Dependent Stochastic Differential Equations 500
A new species of Coccus (Homoptera: Coccoidea) from Malawi 500
A new species of Velataspis (Hemiptera Coccoidea Diaspididae) from tea in Assam 500
PraxisRatgeber: Mantiden: Faszinierende Lauerjäger 500
Die Gottesanbeterin: Mantis religiosa: 656 400
Mantiden: Faszinierende Lauerjäger Faszinierende Lauerjäger 400
热门求助领域 (近24小时)
化学 医学 生物 材料科学 工程类 有机化学 生物化学 物理 内科学 纳米技术 计算机科学 化学工程 复合材料 基因 遗传学 催化作用 物理化学 免疫学 量子力学 细胞生物学
热门帖子
关注 科研通微信公众号,转发送积分 3158663
求助须知:如何正确求助?哪些是违规求助? 2809835
关于积分的说明 7883795
捐赠科研通 2468539
什么是DOI,文献DOI怎么找? 1314339
科研通“疑难数据库(出版商)”最低求助积分说明 630601
版权声明 601983