DESS：DeBERTa 增强的语法语义方面情感三元组抽取

细粒度情感分析面临方面情感三元组抽取（ASTE）的持续挑战，尤其在精准捕捉方面、意见及情感极性之间的关系方面。虽然研究者已通过 BERT 和图神经网络取得进展，但先进语言模型在理解复杂语言模式方面的潜力仍未被充分挖掘。我们引入 DESS（DeBERTa Enhanced Syntactic-Semantic Aspect Sentiment Triplet Extraction），在前期工作基础上集成 DeBERTa 的增强注意力机制，以更好地理解文本中的上下文与关系。我们的框架采用双通道结构，DeBERTa 与 LSTM 通道协同工作，分别处理语义信息与语法模式。我们细致优化了各组件间的协同方式，特别关注不同类型语言信息的交互。实验表明，DESS 在标准数据集上相较于当前方法实现了显著提升，方面意见对和情感判断的 F1 分数分别提升 4.85、8.36 和 2.42。深入分析发现，DeBERTa 精细化注意力系统使 DESS 在处理复杂句子结构方面表现更佳，尤其当关键词语跨越较大距离时。我们的发现表明，在经过慎重集成的情况下，升级至更先进的语言模型可为文本情感分析带来实质性进步。我们的实现已公开于：https://github.com/VishalRepos/DESS。