Key points are not available for this paper at this time.
A análise de sentimento em nível de aspecto é essencial para as empresas compreenderem as polaridades de sentimento associadas a vários aspectos dentro de textos não estruturados. Embora várias soluções tenham sido propostas em estudos recentes sobre análise de sentimento, alguns desafios persistem. Um desafio significativo é a presença de múltiplos aspectos em um único texto escrito, cada um transmitindo seus próprios sentimentos. Além disso, a exploração do aprendizado em conjunto na literatura existente é limitada. Portanto, este estudo propõe uma nova solução de análise de sentimento em nível de aspecto que utiliza um conjunto de modelos de Memória de Longo Prazo e Curto Prazo Bidirecional (BiLSTM). Esta solução inovadora extrai aspectos e sentimentos e incorpora um algoritmo baseado em regras para combinar conjuntos precisos de características de aspecto e sentimento. A análise experimental demonstra a eficácia da metodologia proposta em extrair com precisão características de sentimento em nível de aspecto de textos de entrada. A solução proposta conseguiu obter uma pontuação F1 de 92,98% no conjunto de dados SemEval-2014 Restaurant quando fornecida com o conjunto correto de características de sentimento em nível de aspecto e uma pontuação F1 de 95,54% no conjunto de dados SemEval-2016 Laptop quando fornecida com as características de sentimento em nível de aspecto geradas pelo algoritmo de mapeamento aspecto-sentimento. Doi: 10.28991/HIJ-2024-05-01-09 Texto Completo: PDF
Busst et al. (Fri,) estudaram essa questão.