面向方面级情感分析多视图表示学习的知识图增强网络
计算与语言
2023-03-15 v2 人工智能
摘要
方面级情感分析(ABSA)是情感分析中的细粒度任务。为了更好地理解冗长复杂的句子并获取准确的方面特定信息,该任务通常需要语言与常识知识。然而,当前大多数方法采用复杂且低效的方式引入外部知识,例如直接搜索图节点。此外,外部知识与语言信息之间的互补性尚未被深入研究。为此,我们提出一种知识图增强网络 KGAN,旨在将外部知识与显式的句法与上下文信息有效结合。特别地,KGAN 从多个不同视角捕获情感特征表示,即基于上下文、基于句法与基于知识。首先,KGAN 并行学习上下文与句法表示以充分提取语义特征。然后,KGAN 将知识图整合进嵌入空间,并基于该空间通过注意力机制进一步获得方面特定的知识表示。最后,我们提出一种层次化融合模块以局部到全局的方式补充这些多视图表示。在五个流行 ABSA 基准上的大量实验证明了我们的 KGAN 的有效性与鲁棒性。值得注意的是,在 RoBERTa 预训练模型的辅助下,KGAN 在所有数据集上均取得了最先进性能的新纪录。
引用
@article{arxiv.2201.04831,
title = {Knowledge Graph Augmented Network Towards Multiview Representation Learning for Aspect-based Sentiment Analysis},
author = {Qihuang Zhong and Liang Ding and Juhua Liu and Bo Du and Hua Jin and Dacheng Tao},
journal= {arXiv preprint arXiv:2201.04831},
year = {2023}
}
备注
Accepted by IEEE TKDE 2023