アスペクトベースの感情分類（ABSC）は、一般的な極性分析ではなく、アスペクトレベルでの細かい感情検出を可能にする自然言語処理において重要なタスクとなっています。しかし、既存の手法は、階層的依存関係を保持し、ハイパーパラメータを効率的に調整するための深い意味的文脈を捉えることに問題を抱えており、騒々しく実世界のテキストデータにおいて最適ではない性能をもたらしています。この制限に対処するために、本研究では、RoBERTaベースの文脈埋め込みとTransformerエンコーダ、カプセルネットワーク（CapsNets）を統合し、豊かな意味的および構造的特徴抽出を行うハイブリッドディープラーニングモデルを提案します。ここでは、自己注意メカニズムによってアスペクト関連の単語が強調され、カオス正弦マッピングを使ってハイパーパラメータを最適化するための改善されたスターフィッシュ最適化アルゴリズム（ISFOA）が提示されています。公にアクセス可能なデータセットでの実験は、提案されたアプローチが精度、F1スコア、MCC、および他の重要な指標において現在のアプローチを上回ることを示しています。
Nagelliら（Sat、）はこの問題を研究しました。