基于图注意力网络的方面和意见术语提取
计算与语言
2024-05-01 v1
摘要
在本工作中，我们研究了图注意力网络用于提取方面和意见术语的能力。方面和意见术语提取被建模为类似于命名实体识别的标记级分类任务。我们将输入查询的依赖树作为额外特征，结合标记和词性特征构建图注意力网络。我们表明，依赖结构是一种强大的特征，在加入条件随机场 (CRF) 层后可显著提升性能，并在SemEval 2014、2015和2016年常用数据集上生成最佳结果。我们还实验了额外的层，如双向LSTM和Transformer，以及CRF层。我们还展示了该方法在同一查询中存在多个方面或情感时效果良好，不必像原始情感分类应用那样，根据单个方面修改依赖树。
引用
@article{arxiv.2404.19260,
title = {Aspect and Opinion Term Extraction Using Graph Attention Network},
author = {Abir Chakraborty},
journal= {arXiv preprint arXiv:2404.19260},
year = {2024}
}