一种用于基于方面的情感分析的反事实数据增强新方法
计算与语言
2023-10-10 v3
摘要
基于方面的情感分析（ABSA）是一项细粒度情感评估任务，用于分析评价方面的情感极性。一般而言，方面的情感极性存在于相应的观点表达中，其多样性对模型性能影响很大。为缓解该问题，我们提出一种新颖且简单的反事实数据增强方法，以生成具有反转情感极性的观点表达。具体地，计算积分梯度以定位并掩码观点表达。然后，将结合反转表达极性的提示加入原始文本，并最终采用预训练语言模型（PLM）T5来预测掩码。实验结果表明，所提反事实数据增强方法在Laptop、Restaurant与MAMS三个ABSA数据集上优于当前增强方法。
引用
@article{arxiv.2306.11260,
title = {A Novel Counterfactual Data Augmentation Method for Aspect-Based Sentiment Analysis},
author = {Dongming Wu and Lulu Wen and Chao Chen and Zhaoshu Shi},
journal= {arXiv preprint arXiv:2306.11260},
year = {2023}
}
备注
Camera-ready for ACML 2023