基于最优传输增强的语法语义图网络用于方面基情感分析
摘要
方面基情感分析（ABSA）旨在识别方面术语并确定其情感极性。虽然依赖树结合上下文语义提供结构线索，但现有方法往往依赖点积相似度和固定图，限制了其捕获非线性关联和适应噪声上下文的能力。为克服这些限制，我们提出了最优传输增强的语法语义图网络（OTESGN），该模型联合整合了结构信号和分布信号。具体而言，一个语法图感知注意力模块通过语法引导的掩码建模全局依赖关系，而一个语义最优传输注意力模块将方面-观点关联形式化为通过Sinkhorn算法求解的分布匹配问题。一个自适应注意力融合机制平衡异构特征，contrastive正则化增强鲁棒性。大量实验在三个基准数据集（Rest14、Laptop14和Twitter）上证明，OTESGN实现了最先进的性能。值得注意的是，它在Laptop14上超越了竞争基线+1.30个Macro-F1，在Twitter上超越+1.01。消融研究和可视化分析进一步突显了OTESGN捕获细粒度情感关联和抑制来自无关上下文的噪声的能力。
关键词
引用
@article{arxiv.2509.08612,
title = {OTESGN: Optimal Transport-Enhanced Syntactic-Semantic Graph Networks for Aspect-Based Sentiment Analysis},
author = {Xinfeng Liao and Xuanqi Chen and Lianxi Wang and Jiahuan Yang and Zhuowei Chen and Ziying Rong},
journal= {arXiv preprint arXiv:2509.08612},
year = {2026}
}
备注
This paper accepted by ICDM 2025 proposes OTESGN for ABSA, fusing syntactic-semantic signals via optimal transport and attention mechanisms. It achieves SOTA on Rest14, Laptop14 and Twitter (up to +1.30 Macro-F1 on Laptop14), with strong noise suppression and fine-grained sentiment capture capabilities. https://ieeexplore.ieee.org/document/11392054