NLP判断语言情绪_英特尔将情感分析模型加入NLP架构中，机器也会理解你的悲痛？...

Kyle Wiggers，2019年5月2日上午4:00

去年，英特尔的人工智能实验室(Intel’s AI Lab )——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——公布了NLP架构(自然语言处理Natural Language Processing)：一个由开放源代码的人工智能模型库、编码笔记本和专为一系列自然语言处理任务构建的框架。它瞄准一种情绪分析应用，它涉及从文本中检测主观信息，但在英特尔新公布研究内容后揭示了研究方向正在改变。

英特尔今天透露，截至0.4版，NLP架构包括了一种特殊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，它通常比常用的句子层次情感分析更准确，这种分析可以达到很高的准确性，但不能解释短语中的细微差别(例如，当句子的一个方面是积极的，而另一个方面是消极的)。

例如：

ABSA通过提取“食物好吃，但服务差”一句中的“食物”和“服务”等方面术语，并确定他们的相关情绪“极性”(即他们是否表达积极或消极情绪)。这比听起来更具挑战性方面通常是领域敏感的，并且具有紧密的语义相似性。例如，在电影评论中被认为是积极的观点(例如“微妙”)在另一个(手机评论)中可能是消极的，意为着模型必须分清楚不同语境下的不同理解。

有监督的学习方法依赖于大量带注释的样本数据集，能够很好地处理域敏感度，但是英特尔指出编译必要的语料库需要大量的人力和时间。这就是为什么他们的ABSA模型被轻描淡写的原因，这意味着它能够在定义了特定领域的词汇之后，接收未标记的文本并输出意见和方面词汇。

英特尔高级深度学习数据科学家Oren Pereg、深度学习研究小组经理Moshe Wasserblat和深度学习数据科学家Daniel Korat在一篇博客文章中写道：“企业组织可以使用情绪分析来理解客户对产品和服务的看法或者抱怨，从而能够做出相应的反应。”“ABSA是一种有效的应用程序，用于组织监测对产品或服务的特定方面表达的积极与消极情绪的比率，并提取有价值的有针对性的见解。”

ABSA加入了NLP架构师中的许多现有模型，包括：1.语言特征提取的依赖分析(BIST)和NP分块模型2.针对性能优化的意图提取和名称实体识别模型3.最常见词义的语义理解模型、NP嵌入表示等4.对话系统、序列分块和对话人工智能的其他组件5.使用新拓扑结构(如问答和机器阅读理解)的端到端应用程序

所有NLP架构师的模型都带有培训和推理过程的端到端示例，以及支持数据管道、公共函数调用和其他与自然语言处理相关的实用程序。它们是为集成而模块化的，其中一些组件通过Intel的NLP架构师服务器(一个设计用于跨不同模型提供预测的平台)作为API公开。NLP架构师还包括用于可视化的Web前端，以及供开发人员添加新服务的模板。