CL-XABSA：面向跨语言方面级情感分析的对比学习
计算与语言
2023-01-10 v5
摘要
作为自然语言处理（NLP）领域的广泛研究，方面级情感分析（ABSA）是预测文本中相对于相应方面的情感的任务。遗憾的是，大多数语言缺乏充足的标注资源，因此近期越来越多研究者关注跨语言方面级情感分析（XABSA）。然而，多数近期研究仅集中于跨语言数据对齐而非模型对齐。为此，我们提出一种新框架 CL-XABSA：面向跨语言方面级情感分析的对比学习。基于对比学习，我们拉近不同语义空间中同标签样本的距离，从而实现不同语言语义空间的收敛。具体地，我们设计两种对比策略，即词嵌入的词级对比学习（TL-CTE）与词嵌入的情感级对比学习（SL-CTE），以正则化源语言与目标语言的语义空间使其更均匀。由于我们的框架在训练时可接收多语言数据集，其不仅可适配 XABSA 任务，也可用于多语言方面级情感分析（MABSA）。为进一步提升模型性能，我们采用知识蒸馏技术利用无标签目标语言数据。在蒸馏 XABSA 任务中，我们进一步探究了不同数据（源数据集、翻译数据集与码混数据集）的对比有效性。结果表明所提方法在 XABSA、蒸馏 XABSA 与 MABSA 三项任务上均有一定提升。为可复现，本文代码发布于 https://github.com/GKLMIP/CL-XABSA。
引用
@article{arxiv.2204.00791,
title = {CL-XABSA: Contrastive Learning for Cross-lingual Aspect-based Sentiment Analysis},
author = {Nankai Lin and Yingwen Fu and Xiaotian Lin and Aimin Yang and Shengyi Jiang},
journal= {arXiv preprint arXiv:2204.00791},
year = {2023}
}