基于关系抽取方法联合抽取文本中所有方面-极性对
计算与语言
2021-09-02 v1 人工智能
摘要
从文本中抽取方面-极性对是细粒度情感分析的一项重要任务。现有方法虽已取得诸多进展，但局限于捕获文本中方面-极性对之间的关系，从而降低了抽取性能。此外，现有的最优方法，即基于词元的序列标注和基于跨度的分类，各有缺陷：前者因独立标注词元导致极性不一致，后者将方面相关与极性相关标签混合而产生异构分类。为弥补上述缺陷，受关系抽取近期进展启发，我们提出利用关系抽取技术直接从文本生成方面-极性对，将方面对视为一元关系，其中方面为实体、相应极性为关系。基于此视角，我们提出一种位置感知与方面感知的 sequence2sequence 模型用于联合抽取方面-极性对。该模型的特点在于，不仅能通过序列解码捕获文本中方面-极性对之间的关系，还能通过位置与方面感知注意力捕获方面与其极性间的相关性。在三个基准数据集上的实验表明，我们的模型优于现有最优方法，并取得显著改进。
引用
@article{arxiv.2109.00256,
title = {Extracting all Aspect-polarity Pairs Jointly in a Text with Relation Extraction Approach},
author = {Lingmei Bu and Li Chen and Yongmei Lu and Zhonghua Yu},
journal= {arXiv preprint arXiv:2109.00256},
year = {2021}
}