iACOS：利用信息丰富且自适应的负例推进隐式情感抽取
计算与语言
2024-06-25 v2
摘要
基于方面的情感分析（ABSA）已被广泛研究，但由方面、类别、观点和情感四个基本要素构成的四元组抽取，尤其是包含隐式方面和隐式观点的情形，却鲜有探讨。本文提出一种新方法 iACOS，用于抽取带有类别和情感的隐式方面与观点。首先，iACOS 在文本末尾追加两个隐式 token，以捕获包含隐式方面和观点在内的所有 token 的上下文感知表示。其次，iACOS 在上下文感知 token 表示上构建序列标注模型，以联合抽取显式与隐式方面和观点。第三，iACOS 设计了一个带有专用多头注意力的多标签分类器，用于发现方面-观点对并同时预测其类别和情感。第四，iACOS 利用信息丰富且自适应的负例，通过多任务学习联合训练多标签分类器以及类别和情感的两个分类器。最后，实验结果表明，根据两个公开基准数据集上的 F1 分数，iACOS 显著优于其他四元组抽取基线方法。
引用
@article{arxiv.2311.03896,
title = {iACOS: Advancing Implicit Sentiment Extraction with Informative and Adaptive Negative Examples},
author = {Xiancai Xu and Jia-Dong Zhang and Lei Xiong and Zhishang Liu},
journal= {arXiv preprint arXiv:2311.03896},
year = {2024}
}