摘要

截至目前，基于方面的情感分析（Aspect-Based Sentiment Analysis, ABSA）共涉及七个子任务，然而这些子任务之间的相互关系尚未得到充分探索。本文提出了一种新颖的多层级级联框架，用于统一建模ABSA任务并有效保持各子任务间的内在关联。首先，我们以“由易到难”的顺序，将全部七个子任务建模为一种层次化依赖结构；在此基础上，进一步提出一种多路解码机制，将低层级任务中的情感布局与线索信息传递至高层级任务。该多路策略实现了子任务间的高效信息流转，避免了重复训练，同时充分利用了已有数据，无需额外的人工标注。此外，针对方面词与观点词的抽取及其配对任务的特点，我们通过融合词性标注（POS）与句法依存信息，进一步增强了多路框架在词边界识别与配对判断方面的性能。所提出的语法感知多路框架（Syntax-aware Multiplex, SyMux）在28个子任务（7个任务 × 4个数据集）上均取得了显著提升，性能增益明显。