FOAL：面向跨领域方面情感三元组抽取的细粒度对比学习
计算与语言
2023-11-20 v1
摘要
方面情感三元组抽取（ASTE）在特定领域依赖充足标注数据时已取得可喜结果。然而，为每个独立领域标注数据并不可行。我们提出在跨领域设定下探索 ASTE，将知识从资源丰富的源领域迁移至资源匮乏的目标领域，从而缓解目标领域对标注数据的依赖。为有效跨域迁移知识并准确抽取情感三元组，我们提出一种名为细粒度对比学习（FOAL）的方法，以减小领域差异并保持各类别的可分性。在六组迁移对上的实验表明，相较强基线，FOAL 取得 6% 的性能提升并显著减小领域差异。代码将在录用后公开。
引用
@article{arxiv.2311.10373,
title = {FOAL: Fine-grained Contrastive Learning for Cross-domain Aspect Sentiment Triplet Extraction},
author = {Ting Xu and Zhen Wu and Huiyun Yang and Xinyu Dai},
journal= {arXiv preprint arXiv:2311.10373},
year = {2023}
}