GRACE：面向方面级情感分析的梯度协调与级联标注模型
计算与语言
2020-09-28 v2
摘要
在本文中，我们关注不平衡问题，该问题在将方面词抽取与方面情感分类视为序列标注任务时鲜有研究。此外，以往工作通常在标注极性时忽略方面词之间的相互作用。我们提出一种梯度协调与级联标注模型（GRACE）来解决这些问题。具体而言，我们设计了一个级联标注模块，以增强方面词之间的交互，并在标注情感极性时提升对情感词的关注。极性序列被设计为依赖于生成的方面词标签。为缓解不平衡问题，我们将目标检测中使用的梯度协调机制扩展到方面级情感分析，通过动态调整每个标签的权重。所提出的 GRACE 采用后预训练的 BERT 作为主干。实验结果表明，该模型在多个基准数据集上取得了一致的提升，并产生了最先进（SOTA）的结果。
引用
@article{arxiv.2009.10557,
title = {GRACE: Gradient Harmonized and Cascaded Labeling for Aspect-based Sentiment Analysis},
author = {Huaishao Luo and Lei Ji and Tianrui Li and Nan Duan and Daxin Jiang},
journal= {arXiv preprint arXiv:2009.10557},
year = {2020}
}
备注
to appear in Findings of EMNLP 2020