NEUDM/semeval-2016|情感分析数据集|ABSA数据集

该数据集属于ABSA（基于方面的情感分析）领域，主要任务是从句子中抽取方面术语、方面类别、情感极性和观点词。数据集被改造为生成任务，模型需要按照特定格式生成抽取结果。示例展示了如何从句子中抽取相关信息。原始数据集分为Laptop和Restaurant两个主题，分别放置在不同的文件夹中，且两个主题的数据抽取元素不同。当前SOTA模型在SemEval2016-Restaurant数据集上的准确率为88.70，使用的是BERT-IL Finetuned模型。

原始信息汇总

数据集概述

数据集类型

• 领域：Aspect-Based Sentiment Analysis (ABSA)
• 数据形式：JSONL文件

数据集内容

• 抽取信息：方面术语、方面类别(术语类别)、术语在上下文中的情感极性以及针对该术语的观点词。
• 任务类型：生成任务

数据集示例

• 数据集：acos
• 输入："the computer has difficulty switching between tablet and computer ."
• 输出：[[computer, laptop usability, negative, difficulty]]
• 任务说明：
  • 输入：一个句子
  • 输出：一个包含4-元组的列表，每个元组包含提取的方面术语、其方面类别、情感极性和观点词（如果有）。
  • 示例：
    • 句子："Also its not a true SSD drive in there but eMMC, which makes a difference."
    • 输出：[[SSD drive, hard_disc operation_performance, negative, NULL]]

数据集详情

• 原始数据集来源：SemEval2016 Task 5: Aspect Based Sentiment Analysis
• 数据集分类：分为Laptop和restaurant两个主题的数据。

当前SOTA

• SemEval2016-Restaurant
  • 评价指标：Accuracy
  • 模型：BERT-IL Finetuned (88.70)
  • Paper：Does BERT Understand Sentiment? Leveraging Comparisons Between Contextual and Non-Contextual Embeddings to Improve Aspect-Based Sentiment Models