【ECML-PKDD 2019】终身PU学习在情感分析中的解构面与观点词（Disentangling Aspect and Opinion Words inSentiment Analysis using Lifelong PU Learning）

题目： Disentangling Aspect and Opinion Words inSentiment Analysis using Lifelong PU Learning

摘要： 虽然情感分析可以从在线评论中挖掘有价值的信息，但由于文本模式的复杂性，执行一个细粒度的情感分析任务是非常困难的。在这项工作中，我们专注于一个细粒度的基于目标的情感分析（FTSA）任务，该任务用于识别目标特定方面的词汇和观点词汇。这项任务在实践中很有用。然而，现有的解决方案不能产生令人满意的结果，特别是当我们有有限的或没有标记的数据。为了提供一个整体的解决方案，我们设计了一个新的两阶段方法。第一阶段为给定的目标对与目标相关的单词（称为t-words）进行分组，这相对容易。第二阶段将体态词和观点词从分组的t-词中分离出来，由于缺乏足够的词级体态词和观点标记，这一阶段的挑战性更大。为了解决这一问题，我们在积极的无标记学习环境中制定了任务，并将终身学习的理念融入其中，取得了很好的效果。

作者简介： 王帅（Shuai Wang），伊利诺伊大学芝加哥分校博士。个人主页：https://www.cs.uic.edu/~swang/

Bing Liu，伊利诺伊大学芝加哥分校计算机科学系教授，美国计算机协会院士，AAAI研究员，IEEE研究员，获得ACM SIGKDD创新奖。个人主页：https://www.cs.uic.edu/~liub/。等