[論文レビュー] EliXa: A Modular and Flexible ABSA Platform

Iñaki San Vicente, Xabier Saralegi+1 more|arXiv (Cornell University)|Feb 7, 2017

Sentiment Analysis and Opinion Mining被引用数 7

ひとこと要約

EliXa は、交換可能なコンponentを備えたモジュラーで柔軟かつ拡張可能な教師ありアスペクトベースセンチメント分析（ABSA）プラットフォームであり、実験の容易化を目的として設計されている。EliXa は、市販のシーケンスラベルラーを用いて Opinion Target Extraction (OTE) で最先端の性能を達成し、制約なしトラックで 79.65% の正確度を記録し、外部ドメインのホテルセンチメント極性分類タスクで第3位の正確度を達成した。

ABSTRACT

This paper presents a supervised Aspect Based Sentiment Analysis (ABSA) system. Our aim is to develop a modular platform which allows to easily conduct experiments by replacing the modules or adding new features. We obtain the best result in the Opinion Target Extraction (OTE) task (slot 2) using an off-the-shelf sequence labeler. The target polarity classification (slot 3) is addressed by means of a multiclass SVM algorithm which includes lexical based features such as the polarity values obtained from domain and open polarity lexicons. The system obtains accuracies of 0.70 and 0.73 for the restaurant and laptop domain respectively, and performs second best in the out-of-domain hotel, achieving an accuracy of 0.80.

研究の動機と目的

• アスペクトベースセンチメント分析における今後の実験を容易にするため、モジュラーで拡張可能なABSAプラットフォームの開発。
• プラグアンドプレイアーキテクチャにより、システムコンponentの簡単な交換や拡張を可能にする。
• 特に Opinion Target Extraction (OTE) とターゲット極性分類において、Semeval 2015 ABSA共有タスクで競争力のあるパフォーマンスを達成すること。
• ドメイン内と外部ドメインの設定において、特徴の組み合わせのロバスト性を評価すること。
• 感情極性辞書やワード埋め込みといった外部リソースを用いて、制約ありおよび制約なしの実行をサポートすること。

提案手法

• NLPパイプラインコンponentには IXA Pipes ツールを用い、トークン化、品詞タグ付け、語形還元を実施。
• Opinion Target Extraction (OTE) は、言語的特徴とワード表現特徴を備えた教師ありPerceptronベースのシーケンスタッカー ixa-pipe-nerc を用いて、シーケンスラベルリングタスクとしてモデル化。
• ターゲット極性分類には、一般およびドメイン特化の感情極性辞書からの語彙的特徴を強化した多クラスSVM分類器を採用。
• 特徴には n-gram、品詞タグ、ウィンドウ化された文スパン、ワード埋め込み（word2vecクラスタ）、複数の辞書からの極性スコアが含まれる。
• 特徴は重み付き平均化により統合され、パフォーマンス最適化のため階層的特徴選択戦略が採用された。
• 外部リソースには、Yelp 食品コーパス、Amazon 電子機器コーパス、英語Wikipedia（ワードクラスタリング用）、および4つの感情極性辞書（SentiWordNet、General Inquirer、OpinionFinder、Liuの辞書）が含まれており、優先度に基づく衝突解決が適用された。

実験結果

リサーチクエスチョン

• RQ1 コンponentの交換や拡張が容易なモジュラーかつ柔軟なABSAプラットフォームを設計できるか？
• RQ2 タスク固有のモデルチューニングが行われない状況下で、市販のシーケンスタッカーは Opinion Target Extraction (OTE) に対してどの程度効果的か？
• RQ3 一般およびドメイン特化の語彙的極性特徴は、ターゲット極性分類の正確度をどの程度向上させるか？
• RQ4 ABSAタスクにおいて、ドメイン内と外部ドメインの設定の両方で特徴の組み合わせはどの程度ロバストか？
• RQ5 ワード埋め込み（word2vecクラスタ）は、ホテルレビューのようなリソースが限られたドメインでパフォーマンスにどのような影響を与えるか？

主な発見

• EliXa は Opinion Target Extraction (OTE) タスク（スロット2）で最高のパフォーマンスを達成し、制約ありおよび制約なしの両トラックで他システムを上回った。
• レストランドメインでは、1-gram 特徴、word2vec クラスタ、複数の辞書を組み合わせることで、制約なしトラックで 82.34% の正確度を達成した。
• ラップトップドメインでは、1-gram、PoS、E&A 特徴、ドメイン特化辞書を組み合わせた結果、制約なしトラックで最高 80.85% の正確度を記録した。
• 外部ドメインのホテルタスクでは、制約なしトラックで 79.65% の正確度を達成し、全体で第3位となり、強力なクロスドメイン一般化性能を示した。
• ドメイン特化の辞書 $L_{Yelp}$ と $L_{Amazon}$、および制限付きの $L_{genres}$ 辞書の使用が、レストランドメインでのパフォーマンス向上に顕著に寄与した。
• 特徴の組み合わせは個々の特徴を上回り、ドメイン全体でベースライン比 1.9% から 2.8% の向上を達成した。