4 个月前

学习面向跨度的交互以提取方面情感三元组

学习面向跨度的交互以提取方面情感三元组

摘要

方面情感三元组提取(ASTE)是最近的ABSA子任务,其输出包括一个方面目标、与其相关的情感以及相应的意见词组成的三元组。近期的模型以端到端的方式进行三元组提取,但严重依赖每个目标词与意见词之间的交互作用。因此,它们在处理包含多个词的目标和意见时表现不佳。我们提出的基于片段的方法在预测情感关系时显式地考虑了目标和意见整个片段之间的交互作用。因此,该方法可以利用整个片段的语义进行预测,确保更好的情感一致性。为了缓解由于片段枚举带来的高计算成本问题,我们提出了一种双通道片段剪枝策略,通过结合方面术语提取(ATE)和意见术语提取(OTE)任务的监督来实现。这一策略不仅提高了计算效率,还更恰当地区分了意见和目标片段。我们的框架同时在ASTE、ATE和OTE任务上实现了强大的性能。特别是,我们的分析表明,在包含多词目标或意见的三元组上,基于片段的方法相比基线模型取得了更为显著的改进。

代码仓库

基准测试

基准方法指标
aspect-based-sentiment-analysis-absa-on-asteSpan-ASTE
F1 (L14): 59.38
F1 (R15): 63.27
F1 (R16): 70.26
F1(R14): 71.85
aspect-sentiment-triplet-extraction-on-1Span-ASTE
F1: 0.241
aspect-sentiment-triplet-extraction-on-asteSPAN-ASTE
F1: 71.85

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
学习面向跨度的交互以提取方面情感三元组 | 论文 | HyperAI超神经