英特尔为NLP Architect添加了情绪分析模型

 
去年，英特尔的AI实验室 – 一个由机器学习研究人员和工程师，数据科学家和神经科学家组成的跨学科团队 – 推出了NLP Architect，这是一个开源的AI模型库，编码笔记本和专为一系列自然而设计的框架。语言处理任务。它没有针对的一个应用是情绪分析，它涉及从文本中检测主观信息，但这正在改变礼貌的新宣布的更新。
英特尔今天透露，从版本0.4开始，NLP Architect包含了一种特定类型的情绪分析模型，称为基于方面的情绪分析(ABSA)。英特尔指出，它通常比普遍部署的替代句子级别情绪分析更准确，该分析实现了高准确度但未能解释短语内的细微差别(例如，当句子的一个方面是正面而另一个方面是负面的时候)。
ABSA的工作方式是提取方面术语 – “食物”和“服务”这样的词在“食物味道鲜美但服务质量差”中 – 并确定其相关的情绪“极性”(即，他们是否表达了积极或消极的情绪) 。它比听起来更具挑战性;方面通常是域敏感的并且共享紧密的语义相似性。例如，在电影评论的背景下可能被认为是积极的意见(例如“微妙的”)在另一个(手机评论)中可能是否定的。
监督学习方法依赖于大量数据集的注释样本，可以很好地处理域敏感性，但英特尔指出，编译必要的语料库是劳动和时间密集型的。这就是为什么他们的ABSA模型受到轻微监督，这意味着它能够在定义特定领域词典后摄取未标记的文本和输出意见和方面词典。
“商业组织广泛使用情感分析来了解客户对产品和服务的看法，从而能够做出相应的反应，”英特尔高级深度学习数据科学家Oren Pereg，深度学习研究组经理Moshe Wasserblat和深度学习数据科学家丹尼尔写道。 Korat在博客文章中。 “ABSA [是一个]有效的应用程序，用于组织监控产品或服务的特定方面所表达的积极与消极情绪的比率，并提取有价值的目标洞察力。”
ABSA加入了NLP Architect中的许多现有模型，包括：
用于语言特征提取的依赖性解析器(BIST)和NP块模型
针对性能优化的意图提取和名称实体识别模型
最常见的词义，NP嵌入表示等的语义理解模型
对话系统，序列分块和会话AI的其他组件
使用Q&A和机器阅读理解等新拓扑的端到端应用程序
所有NLP Architect的模型都附带了端到端的培训和推理过程示例，以及支持数据管道，常用函数调用以及与自然语言处理相关的其他实用程序。它们被模块化以进行集成，并且一些组件通过英特尔的NLP架构服务器作为API公开，该服务器旨在提供跨不同模型的预测。 NLP Architect还包括可视化的Web前端，以及供开发人员添加新服务的模板。