يهدف تحليل المعنويات إلى اكتشاف المشاعر الإجمالية، أي قطبية أو قطبية جملة أو فقرة أو نصية، دون النظر في الكيانات المذكورة وجوانبها. يهدف تحليل المعنويات القائم على الجانب إلى استخراج جوانب الكيانات المستهدفة المعينة مشاعرهم. يعمل بشكل مسبق على صياغة
هذه المشكلة بمثابة مشكلة في العلامات أو حل هذه المهمة باستخدام إطار المستخلص المستخرج ثم يستند إلى الفحص حيث يتم استخراج كل أهداف الرأي الأولى من الجملة، ثم بمساعدة تمثيل تمثيل، يتم تصنيف الأهداف على أنها إيجابية، سلبية، أو محايدة. تعاني مشكلة وضع العلامات على التسلسل من مشكلات مثل عدم تناسق المعنويات ومساحة البحث الهائل. في حين أن إطار المستخلصات المستخلصات القائم على الفستان يعاني من قضايا مثل تغطية نصف كلمة وإيواء متداخلة. للتغلب على هذا، نقترح إطار عمل مستخلص مستخلص مقرا له على أساسه مع رواية ومثبتة محسنة. تجارب في مجموعات البيانات القياسية الثلاثة (Restaurant14، Laptop14، Restaurant15) تظهر نموذجنا يتفوق باستمرار على الحالة الحالية من بين الفن. علاوة على ذلك، نقدم أيضا مراجعات أفلام مختلفة للإشراف على مجموعة بيانات (Movie20) ومراجعات فيلم Pseudo-Latceed DataSet (Movieslarge) صراحة لهذه المهمة والإبلاغ عن النتائج على مجموعة بيانات Movie20 الجديدة أيضا.
في الآونة الأخيرة، يركز غالبية الباحثين تحليل المعنويات على تحليل المعنويات المستندة إلى الهدف لأنه يوفر تحليلا متعمقا بنتائج أكثر دقة بالمقارنة مع تحليل المعنويات التقليدية.في هذه الورقة، نقترح نهجا تعليميا تفاعليا لمعالجة مهمة تحليل المعنويات المست
ندة إلى الهدف للغة العربية.يستخدم نموذج IA-LSTM المقترح آلية تفاعلية تعتمد على الانتباه لإجبار النموذج على التركيز على أجزاء مختلفة (أهداف) من الجملة.نحن نبحث في القدرة على استخدام الأهداف والحق الأيمن والأيسر، ونموذجها بشكل منفصل لتعلم تمثيلاتهم الخاصة عبر النمذجة التفاعلية.قمنا بتقييم نموذجنا على مجموعة بيانات مختلفة: مراجعة الفنادق العربية ومجموعات بيانات مراجعة الكتاب العربية.توضح النتائج فعالية استخدام هذه التقنية النمذجة التفاعلية للمهمة القائمة على الأهداف العربية.حصلت النموذج على قيم دقة 83.10 مقارنة بنماذج Sota مثل AB-LSTM-PC والتي حصلت على 82.60 لنفس مجموعة البيانات.
استخراج الرأي المستهدف واستخراج الأجل رأي هما مهمتان أساسيتان في تحليل المعرفات القائم على الجانب (ABASA). تركز العديد من الأعمال الأخيرة على ABSA على استخراج كلمات الرأي الموجهة نحو الهدف (TOWE) (Towe)، والتي تهدف إلى استخراج كلمات الرأي المقابلة لل
حصول على هدف رأي معين. يمكن تطبيق Towe أكثر استخداما على استخراج زوج الرأي في الجانب (AOPE) الذي يهدف إلى استخراج الجوانب (أي أهداف الرأي) وشروط الرأي في أزواج. في هذه الورقة، نقترح تسلسل تسلسل محدد بالهدف مع اهتمام الذات متعدد الرأس (TSMSA) ل Towe، حيث يمكن دمج أي نموذج لغة مدرب مسبقا مع اهتمام ذاتي متعدد الرأس بشكل مريح. كدراسة حالة، نقوم أيضا بتطوير هيكل متعدد المهام يدعى MT-TSMSA من أجل الجمع بين TSMSA لدينا مع وحدة استخراج الجانب والرأي. تشير النتائج التجريبية إلى أن TSMSA تتفوق على الأساليب القياسية على Towe بشكل ملحوظ؛ وفي الوقت نفسه، فإن أداء MT-TSMSA متشابه أو حتى أفضل من نماذج خط الأساس الحديثة.
