Please use this identifier to cite or link to this item: http://www.repositorio.ufc.br/handle/riufc/51860
Title in Portuguese: Aspect term extraction via BLSTM-CRF with attention on word dependencies
Title: Aspect term extraction via BLSTM-CRF with attention on word dependencies
Author: Saraiva, Felipe Zschornack Rodrigues
Advisor(s): Macêdo, José Antonio Fernandes de
Keywords: Aspect term extraction
Attention mechanism
Word dependencies
Issue Date: 2019
Citation: SARAIVA, Felipe Zschornack Rodrigues. Aspect term extraction via BLSTM-CRF with attention on word dependencies. 2019. 54 f. Dissertação (Mestrado em Ciência da Computação) - Universidade Federal do Ceará, Fortaleza, 2019.
Abstract in Portuguese: Neste trabalho propomos uma arquitetura de rede neural utilizando estruturas de aprendizado profundo, e engenharia de atributos mínima, para resolver o problema de extração de termos aspectos em textos opinativos, como avaliações de produtos e restaurantes. Em Mineração de Opiniões e Análise de Sentimentos existem três níveis de Classificação de Sentimentos: a nível de documento, a nível de sentença e a nível de aspecto. A Análise de Sentimentos Baseada em Aspectos visa encontrar o sentimento no nível de maior detalhe, e uma das tarefas que ela compreende é a Extração de Termos Aspectos (ETA): a identificação de aspectos (atributos ou características) que foram explicitamente avaliados dentro de uma sentença. Por exemplo, na sentença “A qualidade das imagens dessa câmera é incrível.” o termo aspecto é “qualidade das imagens”. A arquitetura proposta consiste de um classificador BLSTM-CRF associado a um codificador BLSTM que utiliza um mecanismo de atenção para incorporar como atributo adicional no modelo as relações gramaticais entre as palavras (análise sintática) da sentença. Também utilizamos a marcação de partes da fala (part-of-speech tagging) como outro atributo relevante adicional. A arquitetura proposta obteve resultados semelhantes ao estado da arte, com a vantagem de não utilizar nenhuma regra de linguagem ou dicionário de sentimentos, apenas uma engenharia de atributos mínima.
Abstract: This work proposes a neural network architecture using deep learning structures, and minimal feature engineering, to solve the problem of aspect term extraction in opinionated documents, like reviews of products or restaurants. In Opinion Mining and Sentiment Analysis we have three levels of Sentiment Classification: document level, sentence level and aspect level. Aspect Based Sentiment Analysis aims to find the sentiment at the most detailed level, and one of its tasks is the Aspect Term Extraction (ATE): the task of identifying aspects (attributes or characteristics) that have been explicitly evaluated in a sentence. For example, in the sentence “The picture quality of this camera is amazing” the aspect term is “picture quality”. The proposed architecture consists of a BLSTM-CRF classifier with a BLSTM encoder that uses an attention mechanism to permit the incorporation of grammatical relations between words as an additional feature. We also used the Part-of-speech tag (POS tags) as another relevant feature. The proposed architecture obtained state-of-the-art results, with the advantage of using no linguistic rules or lexicons, only minimal feature engineering.
URI: http://www.repositorio.ufc.br/handle/riufc/51860
metadata.dc.type: Dissertação
Appears in Collections:DCOMP - Dissertações defendidas na UFC

Files in This Item:
File Description SizeFormat 
2019_dis_fzrsaraiva.pdf1,7 MBAdobe PDFView/Open


Items in DSpace are protected by copyright, with all rights reserved, unless otherwise indicated.