AI 詞彙表
人工智能完整詞典
基于方面的情感分析（ABSA）
一项自然语言处理任务，旨在识别实体的特定方面，并确定针对每个方面所表达的情感（积极、消极、中性）。
方面类别
将方面按语义组进行预定义分类（例如餐厅的'服务'、'氛围'、'食物'），以结构化分析过程。
方面术语
文本中明确指代特定方面的词语或短语（例如'披萨'、'服务'、'配送时间'）。
情感极性
将与方面相关的情感分类为离散类别，通常分为积极、消极或中性。
目标观点检测
将观点或情感表达与文本中其所指的具体方面（目标）相连接的任务。
依存分析器
用于构建句子句法树的自然语言处理工具，能够将描述性词语（形容词）与其各自的名词（方面）相连接。
ABSA的监督学习
使用在人工标注语料库上训练的机器学习模型来预测方面和情感极性的方法。
弱监督学习
利用部分标注、带噪声标签或启发式方法训练ABSA模型的技术，无需完全依赖昂贵的人工完整标注。
序列到序列模型 (Seq2Seq)
一种基于LSTM或Transformer的神经网络架构，用于从输入文本生成结构化的方面-情感对。
用于ABSA的卷积神经网络 (CNN)
应用CNN提取文本中的局部特征(n-gram)，有效捕捉相邻词之间的关系，如形容词与其名词的关系。
用于ABSA的BERT
将预训练语言模型BERT(双向编码器表示转换器)适配于ABSA任务，通常通过添加特定的分类头来实现。
隐式情感分析
检测那些不是通过显性极性词表达，而是从上下文中推断出的情感(例如：'我没能喝我的汤，它是冷的'暗示对'温度'方面的负面情感)。
ABSA标注语料库
一个文本数据集，其中方面、方面术语和情感极性已被手动标注，用作训练和评估模型的参考。
F1分数评估
ABSA常用的评估指标，计算精确率和召回率的调和平均数，衡量模型正确识别方面-情感对的能力。
隐式方面检测
识别那些没有直接命名而是通过上下文暗示的方面(例如：'我等待了30分钟'暗示'等待时间'方面)。
句子级情感分析与方面级情感分析
区分句子整体情感分类与细粒度的ABSA分析，后者可以揭示同一句子内矛盾的情感。
四重任务ABSA
ABSA的一种高级表述，旨在同时识别文本中的观点持有者、方面类别、方面术语和情感极性。