双编码器：挖掘句法和语义潜力用于方面情感三元组提取

方面情感三元组提取（ASTE）是细粒度情感分析中的一项新兴任务。最近的研究采用图神经网络（GNN）来建模三元组元素中固有的句法-语义关系。然而，它们尚未充分挖掘ASTE任务中句法和语义信息的巨大潜力。在这项工作中，我们提出了一种\emph{双编码器：挖掘句法和语义潜力}模型（D2E2S），该模型最大化词之间的句法和语义关系。具体来说，我们的模型利用一个带有BERT通道的双通道编码器来捕获语义信息，以及一个增强的LSTM通道来全面捕获句法信息。随后，我们引入了异构特征交互模块，以捕获依赖句法和注意力语义之间的复杂交互，并动态选择关键节点。我们利用这些模块的协同作用来发挥ASTE任务中句法和语义信息的巨大潜力。在公开基准测试上，我们的D2E2S模型超越了当前最先进（SOTA）水平，证明了其有效性。