4 个月前

面向方面的 sentiment 分析的联合训练双 MRC 框架

面向方面的 sentiment 分析的联合训练双 MRC 框架

摘要

基于方面的情感分析(ABSA)涉及三个基本子任务:方面项提取、意见项提取和方面级情感分类。早期的研究仅专注于解决这些子任务中的一个。一些近期的工作则侧重于解决两个子任务的组合问题,例如,同时提取方面项及其情感极性,或者成对地提取方面项和意见项。最近,提出了三元组提取任务,即从句子中提取(方面项、意见项、情感极性)三元组。然而,以往的方法未能在一个统一的端到端框架中解决所有子任务。在本文中,我们提出了一种完整的ABSA解决方案。我们构建了两个机器阅读理解(MRC)问题,并通过联合训练两个具有参数共享的BERT-MRC模型来解决所有子任务。我们在这些子任务上进行了实验,结果表明,在多个基准数据集上的表现证明了我们所提出的框架的有效性,其性能显著优于现有的最先进方法。

基准测试

基准方法指标
aspect-oriented-opinion-extraction-on-semevalDual-MRC
Laptop 2014 (F1): 79.90
Restaurant 2014 (F1): 83.73
Restaurant 2015 (F1): 74.50
Restaurant 2016 (F1): 83.33
aspect-sentiment-triplet-extraction-onDual-MRC
F1: 70.32
aspect-term-extraction-and-sentimentDual-MRC
Avg F1: 68.99
Laptop 2014 (F1): 65.94
Restaurant 2014 (F1): 75.95
Restaurant 2015 (F1): 65.08

用 AI 构建 AI

从想法到上线——通过免费 AI 协同编程、开箱即用的环境和市场最优价格的 GPU 加速您的 AI 开发

AI 协同编程
即用型 GPU
最优价格
立即开始

Hyper Newsletters

订阅我们的最新资讯
我们会在北京时间 每周一的上午九点 向您的邮箱投递本周内的最新更新
邮件发送服务由 MailChimp 提供
面向方面的 sentiment 分析的联合训练双 MRC 框架 | 论文 | HyperAI超神经