Cone：无监督对比观点抽取
计算与语言
2023-05-09 v1
摘要
对比观点抽取旨在抽取以针对共同方面或主题的正面和负面观点组织起来的结构化摘要或关键点。近期大多数无监督关键点抽取工作主要基于句子聚类或依据文本中所表达观点的流行度进行观点摘要。然而，这些方法往往生成含有不连贯句子、观点冲突、方面冗余的方面簇。为解决这些问题，我们提出了一种新颖的无监督对比观点抽取模型，称为Cone，其通过结合对比学习与迭代方面/情感聚类精炼，基于伪方面与情感标签学习解耦的潜在方面与情感表示。除能够抽取对比观点外，它还能量化方面的相对流行度及其关联的情感分布。该模型在酒店评论数据集和关于COVID疫苗的Twitter数据集上进行了评估。结果表明，尽管未使用任何标签监督或方面标注种子词，Cone在对比观点抽取上优于多个有竞争力的基线。Cone的结果可用于为线上产品与服务提供更优推荐。
引用
@article{arxiv.2305.04599,
title = {Cone: Unsupervised Contrastive Opinion Extraction},
author = {Runcong Zhao and Lin Gui and Yulan He},
journal= {arXiv preprint arXiv:2305.04599},
year = {2023}
}