下游任务模型概述¶
统一的API¶
Question Answering模型介绍¶
Sentence Embedding模型介绍¶
Sentiment Analysis模型介绍¶
细粒度的情感分析,即Aspect-based Sentiment Analysis
,通常会把它作为一个序列标注任务。也就是说,会对一个序列的 Aspect Term 和 Opinion Term进行序列标注,例如使用常见的B-I-O标注。标注过程中,可以同时对Aspect进行分类,对Opinion进行情感极性分类。
这种方式有一个缺点就是,对于类别经常变化的情况不太友好,一般来说需要重新训练模型,或者干脆对每一个领域训练一个单独的序列标注模型。总之,这种方式还是显得比较麻烦。
我本人更喜欢以下的方式:把Aspect Term Extraction、Opinion Term Extraction、Opinion Sentiment Classification三个任务,都使用Question Answering的方式来处理。
也就是说,Aspect-based Sentiment Analysis可以分成两个部分:
Aspect Term Extraction,只需要抽出Aspect Term,不需要进行分类
Opinion Term Extraction & Classification,需要抽取出Opinion Term,同时进行情感极性分类
这两个部分使用两个独立的模型来处理,但是都是使用Question Answering的方式基于BERT模型实现。