在真实场景中评测你的 ASTE 模型：面向方面情感三元组抽取的多样化多领域数据集
计算与语言
2023-05-30 v1
摘要
方面情感三元组抽取（ASTE）被广泛应用于各类场景。然而，现有 ASTE 数据集在表征真实世界场景方面能力有限，阻碍了该领域研究的进展。本文引入一个名为 DMASTE 的新数据集，通过提供更具多样性和真实性的评论进行人工标注，以更好地契合真实场景下的任务。该数据集相较现有数据集包含多种长度、多样表达、更多方面类型及更多领域。我们在 DMASTE 上以多种设置对以往 ASTE 方法进行了充分实验。实证结果表明 DMASTE 是一个更具挑战性的 ASTE 数据集。对领域内与跨领域设置的进一步分析为未来研究提供了有前景的方向。我们的代码与数据集见 https://github.com/NJUNLP/DMASTE。
引用
@article{arxiv.2305.17448,
title = {Measuring Your ASTE Models in The Wild: A Diversified Multi-domain Dataset For Aspect Sentiment Triplet Extraction},
author = {Ting Xu and Huiyun Yang and Zhen Wu and Jiaze Chen and Fei Zhao and Xinyu Dai},
journal= {arXiv preprint arXiv:2305.17448},
year = {2023}
}
备注
15pages, 5 figures, ACL2023