基于多视图注意力的语法增强图卷积网络用于方面基情感分析
计算与语言
2025-01-28 v1 人工智能
摘要
方面基情感分析（Aspect-based Sentiment Analysis, ABSA）是针对句子中方面词情感极性进行预测的任务。最近的研究表明，利用图神经网络（GNN）捕捉来自语法依赖解析中依赖树的额外语法结构信息，是提高ABSA效果的有效方法。尽管GNN通过融合更多类型信息来增强模型能力，但大多数研究要么仅利用依赖树的单一拓扑视图，要么简单地将不同视角的信息进行合并而不加以区分，这限制了模型的性能。为此，本文提出了一种新的多视图注意力语法增强图卷积网络（MASGCN），利用注意力机制对不同视图的语法信息进行加权。具体而言，我们首先从依赖树构建距离掩码矩阵，以获得GNN的多个子图视图。为聚合不同视图的特征，我们提出了一种多视图注意力机制来计算各视图的注意力权重。此外，为融合更多语法信息，我们将依赖类型信息矩阵融入邻接矩阵，并提出一种结构熵损失来学习依赖类型邻接矩阵。在四个基准数据集上的全面实验表明，我们的方法在SOTA方法上取得了显著优势。代码和数据集已提供于 https://github.com/SELGroup/MASGCN。
引用
@article{arxiv.2501.15968,
title = {Multi-View Attention Syntactic Enhanced Graph Convolutional Network for Aspect-based Sentiment Analysis},
author = {Xiang Huang and Hao Peng and Shuo Sun and Zhifeng Hao and Hui Lin and Shuhai Wang},
journal= {arXiv preprint arXiv:2501.15968},
year = {2025}
}
备注
This paper is accepted by DASFAA 2025