PaddleNLP评论观点抽取和属性级情感分析

1.1 评论观点抽取
在本实践中，我们将采用序列标注的方式进行评论观点抽取，具体而言，会抽取评论中的属性以及属性对应的观点，为此我们基于BIO的序列标注体系进行了标签的拓展：B-Aspect, I-Aspect, B-Opinion, I-Opinion, O，其中前两者用于标注评论属性，后两者用于标注相应观点。

如图1所示，首先将文本串传入SKEP模型中，利用SKEP模型对该文本串进行语义编码后，然后基于每个位置的输出去预测相应的标签。

图1 评价观点抽取模型

1.2 属性级情感分类
在抽取完评论观点之后，便可以有针对性的对各个属性进行评论。具体来讲，本实践将抽取出的评论属性和评论观点进行拼接，然后和原始语句进行拼接作为一条独立的训练语句。

如图2所示，首先将评论属性和观点词进行拼接为"味道好"，然后将"味道好"和原文进行拼接，然后传入SKEP模型，并使用"CLS"位置的向量进行细粒度情感倾向。

图2 属性级情感分类模型

# 下载评论观点抽取模型

!wget https://bj.bcebos.com/paddlenlp/models/best_ext.pdparams

# 下载属性级情感分类模型

!wget https://bj.bcebos.com/paddlenlp/models/best_cls.pdparams