面向目标情感分类的否认定与推测多任务学习
计算与语言
2021-04-01 v2
摘要
目标情感分析的大部分工作集中于寻找更好的方法以提升整体结果。本文中我们表明这些模型对语言现象（具体而言是否定与推测）并不鲁棒。我们提出一种多任务学习方法，将来自句法与语义辅助任务（包括否定与推测作用域检测）的信息结合起来，以构建对这些现象更鲁棒的英语模型。此外，我们创建了两个挑战数据集来评估模型在否定与推测样本上的表现。我们发现多任务模型与经由语言建模的迁移学习能够提升在这些挑战数据集上的性能，但整体表现表明仍有很大改进空间。我们在 https://github.com/jerbarnes/multitask_negation_for_targeted_sentiment 发布了数据集与源代码。
引用
@article{arxiv.2010.08318,
title = {Multi-task Learning of Negation and Speculation for Targeted Sentiment Classification},
author = {Andrew Moore and Jeremy Barnes},
journal= {arXiv preprint arXiv:2010.08318},
year = {2021}
}
备注
To appear at NAACL 2021 (long)