في أسرع وقت ممكن: مجموعة بيانات مراجعة صينية نحو تحليل المشاعر الفئة للأسف

اجتذبت تحليل المعنويات الاهتمام المتزايد في التجارة الإلكترونية. تعتبر أسابير المشاعر الأساسيين لمراجعات المستخدمين ذات قيمة كبيرة لذكاء الأعمال. تحليل المعنويات الفئة في الأساس (ACSA) ومراجعة التنبؤ بالتصنيف (RP) هما مهامان أساسيان للكشف عن أسطاطات المشاعر الدقيقة إلى الخشنة. ترتبط ACSA و RP بشكل كبير وعادة ما تستخدم بشكل مشترك في سيناريوهات التجارة الإلكترونية في العالم الحقيقي. في حين يتم بناء معظم مجموعات البيانات العامة ل ACSA و RP بشكل منفصل، مما قد يحد من استغلالهما الإضافي لكلتا المهام. لمعالجة المشكلة والبحثات المتقدمة ذات الصلة، نقدم مراجعة مطعم صيني واسع النطاق في اسرع وقت ممكن في اسرع وقت ممكن في اسرع وقت ممكن 46، 730 مراجعات أصلية من نظام التجارة الإلكترونية الرائدة عبر الإنترنت (O2O) في الصين. إلى جانب تصنيف مقياس من 5 نجوم، يتم تفجيح كل مراجعة يدويا وفقا لأقطاب المعنويات نحو 18 فئة من الارتفاع المحدد مسبقا. نأمل أن يتم إلقاء الإفراج عن DataSet على إلقاء بعض الضوء على مجال تحليل المعنويات. علاوة على ذلك، نقترح نموذج مشترك بديهي ولكن فعال ل ACSA و RP. توضح النتائج التجريبية أن النموذج المشترك تفوق خطوط الأساس الحديثة في كلا المهام.

Sentiment analysis has attracted increasing attention in e-commerce. The sentiment polarities underlying user reviews are of great value for business intelligence. Aspect category sentiment analysis (ACSA) and review rating prediction (RP) are two essential tasks to detect the fine-to-coarse sentiment polarities. ACSA and RP are highly correlated and usually employed jointly in real-world e-commerce scenarios. While most public datasets are constructed for ACSA and RP separately, which may limit the further exploitation of both tasks. To address the problem and advance related researches, we present a large-scale Chinese restaurant review dataset ASAP including 46, 730 genuine reviews from a leading online-to-offline (O2O) e-commerce platform in China. Besides a 5-star scale rating, each review is manually annotated according to its sentiment polarities towards 18 pre-defined aspect categories. We hope the release of the dataset could shed some light on the field of sentiment analysis. Moreover, we propose an intuitive yet effective joint model for ACSA and RP. Experimental results demonstrate that the joint model outperforms state-of-the-art baselines on both tasks.