利用上下文目标属性进行目标情感分类
计算与语言
2023-12-22 v1
摘要
现有的基于预训练语言模型 (PTLM) 的目标情感分类 (TSC) 模型可分为两类：1) 采用 PTLM 作为上下文编码器的微调模型；2) 将分类任务转化为文本/词生成任务的提示模型。在本文中，我们提出了一种利用 PTLM 进行 TSC 的新视角：通过上下文目标属性，同时利用语言建模的优势和显式的目标 - 上下文交互。具体而言，我们设计了领域和目标约束的完形填空测试，可利用 PTLM 强大的语言建模能力生成与评论上下文相关的给定目标属性。这些属性包含目标的背景和属性信息，有助于丰富评论上下文和目标的语义。为了利用这些属性解决 TSC 问题，我们首先构建了一个异构信息图，将属性视为节点，并将其与 (1) 由现成依存句法分析器自动生成的句法图，以及 (2) 源自自注意力机制的评论上下文语义图相结合。随后，我们提出了一种异构信息门控图卷积网络，以建模属性信息、句法信息和上下文信息之间的交互。在三个基准数据集上的实验结果证明了我们模型的优越性，其实现了新的最先进 (SOTA) 性能。
引用
@article{arxiv.2312.13766,
title = {Exploiting Contextual Target Attributes for Target Sentiment Classification},
author = {Bowen Xing and Ivor W. Tsang},
journal= {arXiv preprint arXiv:2312.13766},
year = {2023}
}
备注
Accepted by Journal of Artificial Intelligence Research (JAIR)