XAT-Miner:融合注意力机制与市场情感指数的可解释方面级情感分析框架
《Computers》:Attention-Based Aspect-Level Sentiment Mining for Data-Driven Market Research: An Explainable AI Perspective on Consumer Feedback Analytics
【字体:
大
中
小
】
时间:2026年10月21日
来源:Computers 5.2
摘要
基于方面的情感分析能够捕捉对特定产品和服务功能的意见,但对于包含多个方面和重叠意见的文本,准确且可解释的方面级别预测仍然困难。本文提出XAT-Miner,这是一个可解释框架,结合了方面感知注意力模块、VADER和TF-IDF特征、集成分类头、基于注意力的词元高亮以及按方面的市场情感指数。使用静态预训练词向量(92,532个可训练参数,CPU训练时间不到一分钟),XAT-Miner在908个SemEval-2014任务4的留出方面实例上达到了71.04%的准确率和0.532的宏平均F1分数,与线性SVM配合TF-IDF(70.93%,0.529)相当。交叉验证、McNemar检验和增量消融实验表明,词汇特征承载了大部分信号。在静态向量模型中,注意力高亮对预测的影响是随机词元的2.5到4.8倍,且从折外预测计算得出的市场指数遵循金标签指数(Spearman )。在使用微调的RoBERTa-base主干上,相同的设计达到78.5%的准确率,与单纯微调(78.0%)相当,尽管其注意力权重是较弱的高亮,且留一法得分更可取。因此,该框架为消费者反馈分析提供了一个轻量级CPU选项和一个准确的情境选项。
生物通微信公众号
生物通新浪微博
今日动态 |
人才市场 |
新技术专栏 |
中国科学人 |
云展台 |
BioHot |
云讲堂直播 |
会展中心 |
特价专栏 |
技术快讯 |
免费试用
版权所有 生物通
Copyright© eBiotrade.com, All Rights Reserved
联系信箱:
粤ICP备09063491号