17.06.2024
Подписывайтесь на Telegram-канал по ссылке

Искусственный интеллект научился определять полярность настроений слов в текстах

LMIAN ABSA

Для решения задач по выявлению эмоциональной окраски слов применяют аспектно-ориентированный анализ настроений — aspect-based sentiment analysis (ABSA). Для выполнения задач ABSA учёные из научно-технического Аньхойского университета в Китае разработали модель LMIAN (lightweight multilayer interactive attention network) — облегчённая многослойная интерактивная сеть внимания. Исследование опубликовано в журнале Сonnection Science.

Тексты имеют общий эмоциональный фон, а отдельные слова в тексте могут иметь собственный эмоциональный заряд:

  • положительный,
  • отрицательный,
  • нейтральный.

Анализ полярности настроений — это выявление противоположных по эмоциональному заряду слов — отрицательных или положительных. Люди определяют эмоциональную направленность текста в целом и отдельных слов легко, в отличие от искусственного интеллекта. Исследователи обучили модель сначала анализировать эмоциональную окрашенность текста, а затем определять полярность настроений конкретных слов.

Учёные экспериментально доказали, что LMIAN — это модель, в которой сбалансированы три важных аспекта:

  • производительность,
  • размер,
  • потребление памяти графическим процессором.

Для обучения модели исследователи использовали 6 наборов данных — тексты-обзоры товаров и услуг на английском и китайском языках. Благодаря использованию LMIAN точность исследования превосходит 90%. По словам учёных, в будущем они планируют улучшить производительность модели.