應用對抗式 Reptile 於家電產品網路評論之研究

摘要

對於生產家電廠品的廠商來說,收集及分析產品在社群平台上被討論及喜好程度是企業長久經營相當重要的部份。本論文探討家電產品的評論分析方法,尤其是提 及產品不同面向的優劣,是產品設計改良時很好的指標。在本篇論文中,我們將家電產品評論分析分成三個子任務:產品名稱辨識、意見標的面向種類撷取、以及情 緒分類。我們首先以 BERT 為基礎的模 型,做爲三項任務的基本效能。其次在情 緒分類的任務中,嘗試針對不同的意見目標面向訓練任務導向的模型。此部分我們結合遷移式學習中的 Reptile 演算法、以及對抗式訓練的概念,組成對抗式 Reptile 演算法研究結果顯示,在多模型的基礎 上,使用了對抗式 Reptile 架構訓練後的 模型,其 Macro-F1 速到 70.3%,較原始數值 (68.6%) 有些微提升,統計p 值為 0.04,獨立樣本檢定爲顯著差異,顯示透 移式學習有助於情緒分類任務提升其效能。