面向目标导向意见词抽取中位置嵌入作用的实证研究
计算与语言
2021-09-06 v1 人工智能
摘要
目标导向意见词抽取（TOWE）（Fan et al., 2019b）是目标导向情感分析的一个新子任务，旨在从文本中抽取给定方面的意见词。当前最优方法利用位置嵌入来捕获词相对于目标的位置关系。然而，这些方法的表现取决于将此信息融入词表示的能力。本文中，我们探索了多种基于预训练词嵌入或语言模型、并利用词性标注与位置嵌入的文本编码器，以检验各组件在 TOWE 中的实际贡献。我们还适配了一个图卷积网络（GCN），通过引入句法信息来增强词表示。实验结果表明，基于 BiLSTM 的模型能有效将位置信息编码进词表示，而使用 GCN 仅获得边际增益。有趣的是，我们的简单方法优于若干最优复杂神经结构。
引用
@article{arxiv.2109.01238,
title = {An Empirical Study on Leveraging Position Embeddings for Target-oriented Opinion Words Extraction},
author = {Samuel Mensah and Kai Sun and Nikolaos Aletras},
journal= {arXiv preprint arXiv:2109.01238},
year = {2021}
}
备注
Accepted at EMNLP 2021