ConSentiment: Análise de Sentimentos baseada em Aspectos a partir de Consenso de Modelos em Grafos

• Ano de defesa: 2024
• Autor(a) principal: Marcon, Guilherme dos Santos
• Tipo de documento: Dissertação
• Tipo de acesso: Acesso aberto
• Idioma: por
• Instituição de defesa: Biblioteca Digitais de Teses e Dissertações da USP
• Palavras-chave em Português: Análise de sentimentos; Deep neural networks; Ensemble learning; Graph regularization; Modelos multilíngues; Multilingual models; Redes neurais profundas; Regularização de grafos; Sentiment analysis
• Link de acesso: https://www.teses.usp.br/teses/disponiveis/55/55134/tde-17062024-085235/

Construir conjuntos de modelos de Análise de Sentimento Baseada em Aspectos (ABSA) pode ser um desafio. Cada modelo pode extrair aspectos distintos, onde alguns poderiam estar parcialmente corretos, e prever diferentes sentimentos associados a cada aspecto. A complexidade dos resultados é um dos principais problemas na construção de um consenso nesta configuração de aprendizagem. Além disso, a ABSA enfrenta desafios associados à eliminação de ambiguidades e ao discernimento de sentimentos em diversos domínios e contextos linguísticos. Este cenário é particularmente predominante na análise de produtos, serviços ou tópicos globalmente relevantes. Este projeto apresenta o ConSentiment (Análise de Sentimento Baseada em Consenso) como uma nova abordagem para enfrentar esses desafios. Propomos os princípios de aprendizagem do conjunto ABSA, denominados Grafo de Informação de Consenso e Redução de Incerteza, para encontrar um consenso entre os modelos básicos do ABSA. Em primeiro lugar, o ConSentiment sugere um grafo de consenso conectando revisões, aspectos e rótulos previstos semelhantes, enfatizando a concordância entre os modelos básicos. O grafo lida com a incerteza ao conectar também avaliações com aspectos semelhantes, mas sentimentos diferentes, gerenciando efetivamente a ambiguidade nas tarefas do ABSA. Em segundo lugar, o ConSentiment introduz uma estrutura de regularização ABSA baseada em grafos que prioriza informações consensuais, onde os nós com maior consenso compartilham mais fortemente as informações do rótulo com os vizinhos, reduzindo a incerteza onde os modelos básicos discordam sobre o sentimento. Avaliações experimentais em cenários multidomínios e multilíngues mostram que o ConSentiment supera os modelos individuais de base ABSA, incluindo os mais recentes baseados em BERT e GPT, bem como modelos de votação baseados em comitês.