Senta 感情分析システム v1.0

Senta は、Baidu によって開発されたオープンソースのセンチメント分析システムです。

感情分析は、テキスト内の傾向、立場、評価、意見などの主観的な情報を自動的に識別して抽出することを目的としています。文章レベルの感情分類、評価対象レベルの感情分類、意見抽出、感情分類など、さまざまなタスクが含まれます。感情分析は人工知能の重要な研究方向であり、高い学術的価値があります。同時に、センチメント分析は、消費者の意思決定、世論分析、パーソナライズされた推奨事項などの分野で重要な用途があり、高い商業的価値を持っています。

最近、Baidu は感情事前トレーニング モデル SKEP (Sentiment Knowledge Enhanced Pre-training for Sentiment Analysis) を正式にリリースしました。 SKEP は感情知識を使用して事前トレーニング モデルを強化し、14 の典型的な中国語と英語の感情分析タスクで SOTA を上回ります。この研究は ACL 2020 に受け入れられました。

研究開発担当者とビジネスパートナーが最先端の感情分析テクノロジーを共有しやすくするために、Baidu は SKEP ベースの感情事前トレーニング コードと Senta の中国語と英語の感情事前トレーニング モデルをオープンソース化しました。さらに、ユーザーの敷居をさらに下げるために、Baidu は産業化のためのワンクリック感情分析および予測ツールを SKEP オープンソース プロジェクトに統合しました。ユーザーは、数行のコードを記述するだけで、SKEP ベースの感情事前トレーニングとモデル予測機能を実装できます。

スキップ

SKEP は、Baidu 研究チームによって提案された感情知識強化に基づく感情事前トレーニング アルゴリズムです。このアルゴリズムは、教師なしの方法を使用して感情知識を自動的にマイニングし、その感情知識を使用して事前トレーニング ターゲットを構築します。感情の意味論を理解することを学ぶことができます。 SKEP は、さまざまな感情分析タスクに統合された強力な感情意味表現を提供します。

Baidu の研究チームは、文レベルの感情分類、アスペクトレベルの感情分類、意見役割ラベル付けという 3 つの典型的な感情分析タスクを、合計 14 個の中国語と英語のデータを使用して実行しました。上記により、感情の事前トレーニングの効果がさらに検証されました。モデルSKEP。実験の結果、初期化として一般的な事前トレーニング モデル ERNIE (内部) を使用すると、SKEP は ERNIE と比較して平均約 1.2% 向上し、元の SOTA と比較して平均約 2% 向上することが示されています。