Resumen

El análisis de sentimiento a nivel de aspecto identifica la polaridad del sentimiento de los términos de aspecto en oraciones complejas, lo cual es útil en una amplia gama de aplicaciones. Es una tarea altamente desafiante y atrae la atención de muchos investigadores en el campo del procesamiento del lenguaje natural. Para obtener una mejor representación del aspecto, una amplia gama de métodos existentes diseñan mecanismos de atención complejos para establecer la conexión entre las palabras de entidad y su contexto. Con el tamaño limitado de las colecciones de datos en el análisis de sentimiento a nivel de aspecto, principalmente debido a la alta carga de trabajo de anotación, el riesgo de sobreajuste aumenta considerablemente. En este artículo, proponemos una Red de Aprendizaje Multitarea Compartida (SMLN), que entrena conjuntamente tareas auxiliares altamente relacionadas con el análisis de sentimiento a nivel de aspecto. Específicamente, utilizamos la extracción de términos de opinión debido a su alta correlación con la tarea principal. A través de una

• Materias:Colonias de abejas artificiales Inteligencia artificial Patrón espacial Innovación de la comunicación Algoritmo de red neuronal
• Subjects:Artificial bee colonies Artificial intelligence Spatial pattern Communication innovation Neural network algorithm
• Palabras claves:Análisis de sentimiento a nivel de aspecto; Oraciones complejas; Procesamiento del lenguaje natural; Mecanismos de atención; Red de aprendizaje multitarea; Extracción de términos de opinión
• Keywords:Aspect-level sentiment analysis; Complex sentences; Natural language processing; Attention mechanisms; Multitask learning network; Opinion term extraction