该研究开发了一个能够从城市评价中提取城市方面并进行情感分类的ABSA模型。通过对2500个公共公园的众包评价进行数据标注，并使用BERT模型进行训练，该模型在方面术语提取和情感分类任务中表现出显著的准确性。通过空间可视化展示了波士顿的正负城市方面。希望该模型能对设计师和规划师进行细粒度的城市情感评价提供帮助。

该研究开发了一个能够从城市评价中提取城市方面并进行情感分类的ABSA模型。通过对2500个公共公园的众包评价进行数据标注，并使用BERT模型进行训练，该模型在方面术语提取和情感分类任务中表现出显著的准确性。通过空间可视化展示了波士顿的正负城市方面。该模型有助于设计师和规划师进行细粒度的城市情感评价。

该研究开发了一个ABSA模型，能够从地理定位的城市评价中提取城市方面并进行情感分类。通过对2500个公共公园的众包评价进行数据标注，并使用带有局部上下文焦点的BERT模型进行训练，该模型在城市评价的方面术语提取和情感分类任务中表现出显著的预测准确性。通过空间可视化展示了波士顿的正负城市方面。希望该模型对设计师和规划师进行细粒度的城市情感评价有所帮助。

该研究旨在创建自动提取俄语科技文本的工具，并提供跨领域的俄文科技文本数据集。研究者使用经过细调的多语言BERT模型提出了基准算法，用于方面提取。该模型即使在有限数量的科技领域进行了训练，也能够推广到新的领域。