一种用于方面类别情感分析的多任务增量学习框架及类别名嵌入
计算与语言
2020-10-07 v1 机器学习
摘要
(T)ACSA任务,包括方面类别情感分析(ACSA)与目标方面类别情感分析(TACSA),旨在识别预定义类别上的情感极性。(T)ACSA实际应用中对新类别的增量学习是必要的。尽管当前多任务学习模型在(T)ACSA任务中表现良好,它们在(T)ACSA增量学习任务中遭受灾难性遗忘问题。本文中,为使多任务学习可用于增量学习,我们提出类别名嵌入网络(CNE-net)。我们令所有类别间共享编码器与解码器以削弱灾难性遗忘问题。除原始输入句子外,我们应用另一输入特征,即类别名,用于任务区分。我们的模型在两个(T)ACSA基准数据集上达到最先进水平。此外,我们提出了一个(T)ACSA增量学习数据集,并相较其他强基线取得了最佳性能。
引用
@article{arxiv.2010.02784,
title = {A Multi-Task Incremental Learning Framework with Category Name Embedding for Aspect-Category Sentiment Analysis},
author = {Zehui Dai and Cheng Peng and Huajie Chen and Yadong Ding},
journal= {arXiv preprint arXiv:2010.02784},
year = {2020}
}
备注
EMNLP 2020 camera ready