面向方面情感三元组提取的跨度级双向网络

方面情感三元组提取（ASTE）是一项新的细粒度情感分析任务，旨在从评论句子中提取由方面词、情感和观点词组成的三元组。最近，跨度级模型通过利用所有可能跨度的预测结果，在ASTE任务上取得了令人满意的成果。由于所有可能的跨度显著增加了潜在方面和观点候选的数量，因此高效地从中提取三元组元素至关重要且具有挑战性。在本文中，我们提出了一个跨度级双向网络，该网络利用所有可能的跨度作为输入，并从跨度中双向提取三元组。具体来说，我们设计了方面解码器和观点解码器来解码跨度表示，并从方面到观点和观点到方面两个方向提取三元组。通过这两个解码器相互补充，整个网络可以更全面地提取跨度中的三元组。此外，考虑到跨度之间无法保证互斥性，我们设计了一个相似跨度分离损失，通过在训练过程中扩大相似跨度的KL散度来促进区分正确跨度的下游任务；在推理过程中，我们采用一种推理策略，根据置信度分数从结果中移除冲突的三元组。实验结果表明，我们的框架不仅显著优于最先进的方法，而且在预测具有多词实体的三元组以及提取包含多个三元组的句子中的三元组方面取得了更好的性能。