利用新颖标注策略的有效令牌图建模用于结构化情感分析
计算与语言
2022-03-22 v1
摘要
结构化情感分析的最先进模型将该任务视为依存解析问题，其存在一些局限：(1) 跨度预测与跨度关系预测的标签比例不平衡。(2) 该任务中情感元组组件的跨度长度可能非常大，这将进一步加剧不平衡问题。(3) 依存图中的两个节点不能有多个弧，因此某些重叠情感元组无法被识别。在本工作中，我们针对这些问题提出精准定向的解决方案。首先，我们引入一种新颖标注策略，包含两组令牌对标签，即基本标签集与完整标签集。基本标签集由该任务的基本标签组成，相对平衡并应用于预测层。完整标签集包含丰富标签以帮助模型捕获各种令牌关系，应用于隐藏层以软性影响模型。此外，我们还提出一种与标注策略良好协作的有效模型，其配备图注意力网络以迭代精炼令牌表征，以及自适应多标签分类器以动态预测令牌对间的多重关系。我们在四种语言的 5 个基准数据集上进行了广泛实验。实验结果表明，我们的模型大幅优于先前的 SOTA 模型。
引用
@article{arxiv.2203.10796,
title = {Effective Token Graph Modeling using a Novel Labeling Strategy for Structured Sentiment Analysis},
author = {Wenxuan Shi and Fei Li and Jingye Li and Hao Fei and Donghong Ji},
journal= {arXiv preprint arXiv:2203.10796},
year = {2022}
}
备注
to appear at the ACL 2022 Main conference