用于基于方面的情感分析的深度上下文与关系感知学习
计算与语言
2021-09-15 v1 人工智能
摘要
现有的基于方面的情感分析（ABSA）工作采用了一种统一的方法，允许子任务之间的交互关系。然而，我们观察到这些方法倾向于基于方面词和观点词的字面含义来预测极性，并主要在词级别隐式地考虑子任务间的关系。此外，识别多个方面-观点对及其极性更具挑战性。因此，ABSA 进一步需要对方面和观点的上下文信息的全面理解。在本文中，我们提出深度上下文关系感知网络（DCRAN），其基于两个模块（即方面与观点传播以及显式自监督策略）利用深度上下文信息实现子任务间的交互关系。特别地，我们为 ABSA 设计了新颖的自监督策略，在处理多个方面时具有优势。实验结果表明，DCRAN 在三个广泛使用的基准上以较大幅度显著优于先前的 SOTA 方法。
引用
@article{arxiv.2106.03806,
title = {Deep Context- and Relation-Aware Learning for Aspect-based Sentiment Analysis},
author = {Shinhyeok Oh and Dongyub Lee and Taesun Whang and IlNam Park and Gaeun Seo and EungGyun Kim and Harksoo Kim},
journal= {arXiv preprint arXiv:2106.03806},
year = {2021}
}
备注
Accepted to ACL-IJCNLP 2021