中文金融文本情感挖掘：GCGTS——一种基于字关系的方面-观点对同步抽取方法
计算与语言
2023-08-07 v1
摘要
从中文金融文本中抽取方面-观点对（AOPE）是细粒度文本情感分析中的一项专门任务。其主要目标是从多样化的金融文本中同时抽取方面词与观点词。以往研究主要侧重于在基于网格的模型中开发网格标注方案以促进该抽取过程。然而，这些方法通常依赖于字符级（词元级）特征编码，可能忽略词内汉字之间的逻辑关系。为克服此局限，我们提出一种称为基于图的字符级网格标注方案（GCGTS）的新方法。GCGTS 方法利用图卷积网络（GCN）显式引入句法结构，并统一同一句法语义单元（中文词级）内字符的编码。此外，我们将图像卷积结构引入网格模型，以更好地捕捉评价单元内字符间的局部关系。这一创新结构减少了对预训练语言模型的过度依赖，并强化了对结构与局部关系的建模，从而提升了模型在中文金融文本上的性能。通过与 Synchronous Double-channel Recurrent Network（SDRN）和 Grid Tagging Scheme（GTS）等先进模型的对比实验，所提出的 GCGTS 模型展现出显著的性能提升。
引用
@article{arxiv.2308.02113,
title = {Chinese Financial Text Emotion Mining: GCGTS -- A Character Relationship-based Approach for Simultaneous Aspect-Opinion Pair Extraction},
author = {Qi Chen and Dexi Liu},
journal= {arXiv preprint arXiv:2308.02113},
year = {2023}
}