El Análisis de Sentimiento Basado en Aspectos (ABSA) tiene como objetivo identificar los objetivos de opinión dentro de las reseñas textuales y determinar la polaridad del sentimiento asociada a cada objetivo. Aunque los modelos basados en transformadores han mejorado significativamente la comprensión contextual en el análisis de sentimientos, siguen siendo limitados en la modelización explícita del conocimiento estructurado y las dependencias a nivel de tokens. Este estudio presenta ExtRA++ (Enhanced Extractive Review Analysis), una arquitectura conceptual de aprendizaje profundo para el análisis de sentimiento basado en aspectos en reseñas generadas por usuarios. El marco propuesto integra cuatro componentes complementarios: modelización semántica contextual basada en BERT, integración de conocimiento externo adaptable a través de incrustaciones de Wikidata, razonamiento estructural basado en grafos utilizando Redes de Atención por Grafos (GATs), y extracción de aspectos consistente en secuencias mediante Campos Aleatorios Condicionales (CRFs) combinados con clasificación de sentimiento consciente del aspecto. A diferencia de los enfoques que solo utilizan transformadores, ExtRA++ está diseñado como una arquitectura modular a nivel de sistema que combina semántica contextual, fundamentos fácticos, interacciones estructurales de tokens y decodificación estructurada dentro de un marco unificado.
Kanev et al. (Jue,) estudiaron esta cuestión.