GERestaurant

GERestaurant是由雷根斯堡大学媒体信息学团队创建的德语餐厅评论数据集，包含3078条手动标注的评论，用于基于方面的情感分析（ABSA）。数据集从Tripadvisor收集，涵盖多种餐厅类型和烹饪风格。标注包括方面术语、对应的方面类别及表达的情感。数据集的创建旨在填补德语资源的空白，并促进餐厅领域ABSA方法的探索。GERestaurant is a German restaurant review dataset created by the Media Informatics Team at the University of Regensburg. It contains 3,078 manually annotated reviews intended for Aspect-Based Sentiment Analysis (ABSA). The dataset was collected from Tripadvisor and covers a wide range of restaurant types and culinary styles. Its annotations include aspect terms, their corresponding aspect categories, and the expressed sentiments. This dataset was developed to fill the gap in German-language resources and facilitate the exploration of ABSA methods in the restaurant domain.

搜集汇总

数据集介绍

构建方式

GERestaurant 数据集的构建始于对 Tripadvisor 网站上德国餐厅评论的收集。研究人员选取了德国 25 个最密集城市的五家拥有最多顾客评论的餐厅，涵盖了从 2022 年 10 月 15 日到 2023 年 10 月 15 日期间发表的所有评论。为了确保评论的真实性和多样性，评论被细分为句子，并使用语言检测工具过滤掉非德语句子。最终，数据集包含了 3,078 条德语餐厅评论，这些评论被手动标注，以适应基于方面的情感分析（ABSA）。标注过程包括对评论中的方面术语、相应的方面类别以及对这些方面的情感倾向进行标注。

特点

GERestaurant 数据集的特点在于其详尽的标注和多样化的餐厅评论。该数据集涵盖了从 Tripadvisor 网站上收集的评论，这些评论代表了不同地区和国际菜系，以及各种烹饪风格。标注不仅包括显式方面，还包括隐式方面，即那些没有明确提及方面术语但表达了情感的评论。此外，数据集还提供了四个 ABSA 任务的基线分数，包括方面类别检测、方面类别情感分析、端到端 ABSA 和目标方面情感检测。这使得 GERestaurant 成为德国语言资源中的一个宝贵补充，并促进了 ABSA 在餐厅领域的探索。

使用方法

使用 GERestaurant 数据集进行 ABSA 研究时，研究者可以参考数据集中提供的基线分数，并利用这些分数来评估和比较他们的模型性能。数据集可以用于训练和测试基于转换器的语言模型，如 gbert-large 和 gbert-base，这些模型已被证明在 ABSA 任务中具有良好的性能。此外，数据集还可以用于开发新的 ABSA 方法，并探索在德语环境中应用 ABSA 的可能性。研究者可以通过分析数据集中不同方面类别的分布和情感倾向，来深入了解餐厅评论中的情感表达，并据此改进他们的情感分析模型。

背景与挑战

背景概述

在自然语言处理（NLP）领域，情感分析（SA）是一个重要的研究方向，它涉及对个体情感、观点和情绪的计算机化分类。特别是，面向方面的情感分析（ABSA）超越了评估一般情感，而是通过将特定方面与相应的情感极性相链接，对情感进行更细粒度的分析。为了促进ABSA的研究，GERestaurant数据集被创建，这是一个由3,078条德语餐厅评论组成的新数据集，这些评论被手动标注用于ABSA。这些评论是从Tripadvisor收集的，涵盖了各种类型的餐厅，包括地区和国际美食，以及各种烹饪风格。标注包括隐式和显式方面，包括所有方面术语、它们对应的方面类别以及针对它们的情感。此外，还提供了四个ABSA任务的基线分数：方面类别检测、方面类别情感分析、端到端ABSA和目标方面情感检测，作为未来进展的参考点。该数据集填补了德语语言资源的空白，并促进了在餐厅领域探索ABSA。

当前挑战

GERestaurant数据集在ABSA领域带来了几个挑战。首先，数据集的标注基于人工判断，这引入了主观性和潜在的不一致性。其次，标注的质量受到限制，因为每个示例不是由多个标注者独立标注，而是由一个标注者标注所有句子，然后由另一个标注者审查。此外，五个方面类别之间的不平衡可以被认为是这项工作的一个限制。例如，价格类别分配的方面最少（251），而大多数方面（1,676）分配给了食物类别。类似的不平衡也体现在情感极性方面，只有175个方面表达了中性情感，而2,283个方面表达了积极情感，这代表了所有方面的一半以上。

常用场景

经典使用场景

GERestaurant数据集的经典使用场景在于Aspect-Based Sentiment Analysis (ABSA)任务。该数据集提供了3,078条德语餐厅评论，每条评论都被手动标注了相关方面（如食物、服务、氛围和价格）及其对应的情感倾向。这使得研究者能够进行基于方面的情感分析，从而更深入地理解消费者对餐厅各个方面的评价。此外，该数据集还提供了四个ABSA任务的基准分数，为未来的研究进展提供了参考点。

解决学术问题

GERestaurant数据集解决了德语语言资源在ABSA领域中的匮乏问题。在此之前，德语ABSA领域的研究受到了数据集的限制。GERestaurant数据集的推出，为德语ABSA研究提供了重要的资源，促进了该领域的发展。此外，该数据集的推出也推动了ABSA方法在餐厅领域的探索，有助于研究者开发更有效的ABSA模型。

衍生相关工作

GERestaurant数据集衍生了多项相关的研究工作。例如，基于GERestaurant数据集，研究者可以开发更有效的ABSA模型，提高ABSA任务的准确率。此外，研究者还可以利用GERestaurant数据集来探索ABSA任务在不同领域的应用，例如酒店、旅游和电子商务等领域。