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.