可扩展多粒度融合网络与面向方面基情感分析的可迁移课程学习
人工智能
2025-12-01 v4 计算与语言
摘要
方面基情感分析（Aspect-based Sentiment Analysis, ABSA）旨在确定特定文本中特定方面所对应的情感极性。现有方法通过外部知识或图神经网络丰富语义和句法表征，但日益增长的语言特征多样性导致模型复杂度增加，且缺乏统一且可扩展的框架。我们提出一种可扩展多粒度融合网络（Extensible Multi-Granularity Fusion Network, EMGF），其集成了依存句法、成分句法、基于注意力的语义以及外部知识图谱。EMGF 采用多锚点三元组学习和正交投影，有效融合多粒度特征并强化它们之间的相互作用，而无需额外的计算开销。此外，我们引入首个针对文本-only ABSA 的任务特定课程学习框架，该框架基于五个指标赋予难度评分，并模拟人类学习从易到难进行训练，以提升模型的泛化能力。实验在 SemEval 2014、Twitter 和 MAMS 数据集上表明，EMGF+CL 均一致优于当前最先进的 ABSA 模型。
引用
@article{arxiv.2402.07787,
title = {Extensible Multi-Granularity Fusion Network and Transferable Curriculum Learning for Aspect-based Sentiment Analysis},
author = {Xinran Li and Xiaowei Zhao and Yubo Zhu and Zhiheng Zhang and Zhiqi Huang and Hongkun Song and Jinglu Hu and Xinze Che and Yifan Lyu and Yong Zhou and Xiujuan Xu},
journal= {arXiv preprint arXiv:2402.07787},
year = {2025}
}
备注
8 pages, 4 figures