BERT4GCN：利用BERT中间层增强GCN用于基于方面的情感分类
计算与语言
2021-10-04 v1
摘要
基于图的基于方面的情感分类（ABSC）方法已取得最先进的成果，尤其是在配备来自预训练语言模型（PLMs）的上下文词嵌入时。然而，它们忽略了上下文的序列特征，且尚未充分利用PLMs。本文中，我们提出一种新颖模型BERT4GCN，其集成了来自BERT这一PLM的语法序列特征，以及来自依存图的句法知识。BERT4GCN利用BERT中间层的输出与词间位置信息来增强GCN（图卷积网络），以更好地编码下游分类所用的依存图。实验结果表明，所提出的BERT4GCN优于所有最先进的基线，证明用BERT中间层的语法特征增强GCN可显著赋能ABSC模型。
引用
@article{arxiv.2110.00171,
title = {BERT4GCN: Using BERT Intermediate Layers to Augment GCN for Aspect-based Sentiment Classification},
author = {Zeguan Xiao and Jiarun Wu and Qingliang Chen and Congjian Deng},
journal= {arXiv preprint arXiv:2110.00171},
year = {2021}
}
备注
To appear in EMNLP 2021, 8 pages, 2 figures