摘要

基于方面的情感分析（Aspect-Based Sentiment Analysis, ABSA）任务旨在识别消费者对产品或服务不同方面的情感观点。基于BERT的语言模型在需要深入理解语言的任务中表现出色，例如情感分析。本文研究了解耦学习（disentangled learning）在提升BERT-based文本表示能力方面于ABSA任务中的应用。受计算机视觉领域中解耦表示学习成功实践的启发——该方法旨在提取数据表示中的可解释性因子——我们探索了最新的DeBERTa模型（Decoding-enhanced BERT with Disentangled Attention），通过该模型从BERT架构中解耦语法特征与语义特征。实验结果表明，引入解耦注意力机制并结合一种简单的微调策略，在ABSA基准数据集上显著优于当前最先进的模型。