GHI：基于条件超图关联的 Graphormer 用于方面基情感分析

方面基情感分析（ABSA）要求模型将情感证据绑定到正确的方面，这使得它成为细粒度结构推理的自然测试基准。我们引入 GHI（Graphormer-over-Conditioned-Hypergraph-Incidence），一个基于二分拓扑构建的、以关联为基础的结构推理层。GHI 将多样化的语言和语义证据表示为 token-超边关联关系，允许通过统一接口融合不同的结构信号。大量实验表明，GHI 在 SemEval 数据集上超越了所有基线方法，多随机种评估显示其在强大的 DeBERTa 上稳定提升。进一步实验表明，GHI 仅需 2470 万参数，便能在 ISE 数据集上接近 110 亿参数的 Flan-T5 方法的性能。此外，它在具有挑战性的 ARTS 数据集上表现出强大的鲁棒性，在这些数据集上，传统模型会显著下降，而 GHI 仍保持高度具竞争力的性能。这些结果表明，紧凑的结构推理仍然是细粒度任务中规模驱动方法的有价值替代方案。