Détection d’aspects et classification de sentiments à l’aide de réseaux de neurones profonds pour l'analyse de sentiment basée sur les aspects en indonésien

L'analyse de sentiment peut catégoriser une opinion générale à partir d'une phrase ou d'un document. Cependant, il existe des phrases contenant plus d'une opinion dans une seule déclaration. Ce problème est résolu par l'analyse de sentiment basée sur les aspects. Nous menons des expériences sur ce problème en utilisant un ensemble de données indonésien avec un processus en 2 étapes : détection d’aspect et classification de sentiment. Pour la détection d’aspect, nous comparons deux modèles de réseaux de neurones profonds avec des vecteurs d'entrée et topologies différents : un vecteur d'incorporation de mots traité avec une unité récurrente à porte (GRU), et un vecteur sac de mots traité avec une couche entièrement connectée. En ce qui concerne la classification de sentiment, nous comparons également deux approches de réseaux de neurones profonds. La première approche utilise l'incorporation de mots, un lexique de sentiments et des tags de POS comme vecteur d'entrée, avec une base bi-GRU comme topologie. La seconde utilise une matrice d’aspects pour redimensionner le vecteur d'incorporation de mots comme vecteur d'entrée et une base de réseau de neurones convolutionnels (CNN) comme topologie. Notre travail est comparé à un cadre de référence de base qui utilise un modèle différent pour chaque aspect. L'ensemble de données comprend environ 9800 avis collectés dans diverses catégories sur des places de marché en ligne populaires en Indonésie. Nos modèles se généralisent bien sur tous les aspects et atteignent des performances à la pointe de la technologie sur 4 des 7 aspects par rapport au cadre de référence de base.