句法是否重要？基于 RoBERTa 的方面级情感分析强基线
计算与语言
2021-04-13 v1
摘要
方面级情感分析（ABSA）旨在预测方面的情感极性，是情感分析领域的一项细粒度任务。先前的研究表明，句法信息（如依存树）能有效提升 ABSA 性能。近来，预训练模型（PTMs）也在 ABSA 上展现了其有效性。因此，一个自然的问题是：PTMs 是否包含足以用于 ABSA 的句法信息，从而我们仅基于 PTMs 就能获得良好的 ABSA 模型。本文中，我们首先在多个流行的 ABSA 任务模型上比较了 PTMs 诱导出的树与依存解析树，表明微调后的 RoBERTa（FT-RoBERTa）诱导树优于解析器提供的树。进一步的分析实验揭示，FT-RoBERTa 诱导树更面向情感词，并有益于 ABSA 任务。实验还表明，纯基于 RoBERTa 的模型在四种语言、六个数据集上能超越或逼近先前的 SOTA 性能，因为它隐式地融入了面向任务的句法信息。
引用
@article{arxiv.2104.04986,
title = {Does syntax matter? A strong baseline for Aspect-based Sentiment Analysis with RoBERTa},
author = {Junqi Dai and Hang Yan and Tianxiang Sun and Pengfei Liu and Xipeng Qiu},
journal= {arXiv preprint arXiv:2104.04986},
year = {2021}
}
备注
Accepted by NAACL 2021