面向方面情感三元组提取的边界驱动表格填充与跨粒度对比学习
计算与语言
2025-02-05 v1 人工智能
摘要
方面情感三元组提取（ASTE）任务旨在从给定句子中提取方面词、观点词及其对应的情感极性。它仍然是细粒度情感分析中最突出的子任务之一。大多数现有方法以端到端的方式将三元组提取构建为一个二维表格填充过程，主要关注词级交互，而常常忽略句子级表示。这一局限性阻碍了模型捕捉全局上下文信息的能力，尤其是在处理复杂句子中的多词方面词和观点词时。为了解决这些问题，我们提出了边界驱动的表格填充与跨粒度对比学习（BTF-CCL），以增强句子级表示和词级表示之间的语义一致性。通过构建正负样本对，模型被迫学习句子级和词级的关联。此外，还提出了一种多尺度、多粒度的卷积方法，以更好地捕捉丰富的语义信息。我们的方法能够更有效地捕捉句子级上下文信息，同时保持对局部细节的敏感性。实验结果表明，根据 F1 分数，所提出的方法在公开基准上达到了最先进的性能。
引用
@article{arxiv.2502.01942,
title = {Boundary-Driven Table-Filling with Cross-Granularity Contrastive Learning for Aspect Sentiment Triplet Extraction},
author = {Qingling Li and Wushao Wen and Jinghui Qin},
journal= {arXiv preprint arXiv:2502.01942},
year = {2025}
}
备注
Accepted to ICASSP 2025