用于方面情感三元组抽取的跨度级交互学习

方面情感三元组抽取（ASTE）是 ABSA 最新的子任务，其输出由方面目标、其关联情感及对应观点词组成的三元组。近期模型以端到端方式执行三元组抽取，但严重依赖每个目标词与观点词之间的交互。因此，它们对包含多个词的目标和观点表现不佳。我们提出的跨度级方法在预测情感关系时显式考虑目标与观点的整个跨度之间的交互。因而，它可基于整个跨度的语义进行预测，确保更好的情感一致性。为缓解跨度枚举带来的高计算成本，我们通过融入来自方面词抽取（ATE）和观点词抽取（OTE）任务的监督，提出双通道跨度剪枝策略。该策略不仅提升计算效率，还更恰当地区分观点跨度与目标跨度。我们的框架同时于 ASTE 以及 ATE 和 OTE 任务上取得强劲性能。特别地，我们的分析表明，相较于基线，我们的跨度级方法在含多词目标或观点的三元组上取得了更显著的改进。