摘要
当前的方面抽取方法普遍存在边界识别错误问题。通常情况下，这类错误导致抽取得到的方面与真实标注之间的差异相对较小，然而却对模型性能造成了严重损害。为此，本文提出采用指针网络（pointer network）对方面边界进行重新定位。同时引入循环利用机制，使训练数据能够无需人工干预即可自动收集。我们在笔记本电脑（SE14）和餐厅（SE14-16）两个基准数据集上进行了实验。实验结果表明，所提方法在性能上显著优于基线模型，并且超越了现有最先进方法。
基准测试
| 基准 | 方法 | 指标 |
|---|---|---|
| aspect-extraction-on-semeval-2014-task-4-sub-1 | Wei et al. (2020) | Laptop (F1): 82.7 Restaurant (F1): 87.1 |
| aspect-extraction-on-semeval-2015-task-12 | Wei et al. (2020) | Restaurant (F1): 72.7 |