通过模板顺序数据增强改进方面情感四元组预测

近年来，方面情感四元组预测（ASQP）已成为方面级情感分析领域的一个热门任务。先前的工作利用预定义模板将原始句子改写为结构目标序列，该序列可轻易解码为（方面类别、方面词、观点词、情感极性）形式的四元组。该模板以固定顺序涉及四个元素。然而，我们观察到该方案与 ASQP 任务的无顺序属性相矛盾，因为只要四元组被正确抽取，就无需固定模板顺序。受此观察启发，我们研究了模板顺序的影响，发现某些顺序有助于生成模型取得更好性能。假设不同顺序提供了四元组的多种视角，因此我们提出一种简单而有效的方法来确定最合适的顺序，并进一步将多个合适模板组合作为数据增强以改进 ASQP 任务。具体而言，我们使用预训练语言模型来选择具有最小熵的顺序。通过这些模板顺序微调预训练语言模型，我们的方法提升了四元组预测的性能，并在低资源设定下显著优于最先进的方法。