摘要

面向方面的细粒度意见提取（AFOE）旨在从评论中以意见对的形式提取方面术语和意见术语，或者进一步提取方面术语的情感极性以形成意见三元组。由于包含多个意见因素，完整的AFOE任务通常被划分为多个子任务并通过流水线方式实现。然而，流水线方法在实际应用中容易受到错误传播的影响，并且操作不便。为此，我们提出了一种新的标记方案——网格标记方案（GTS），以仅通过一个统一的网格标记任务来端到端地解决AFOE任务。此外，我们设计了一种有效的推理策略，在GTS上利用不同意见因素之间的相互指示作用，从而实现更准确的提取。为了验证GTS的可行性和兼容性，我们分别基于卷积神经网络（CNN）、双向长短期记忆网络（BiLSTM）和BERT实现了三种不同的GTS模型，并在面向方面的意见对提取和意见三元组提取数据集上进行了实验。广泛的实验结果表明，GTS模型显著优于强大的基线模型，并达到了最先进的性能。