脱离上下文：面向方面级情感分析上下文建模的新线索

方面级情感分析（ABSA）旨在预测评论中针对给定方面的情感。ABSA的核心在于建模上下文与给定方面之间的交互以提取方面相关信息。在先前工作中，注意力机制和依赖图网络通常被用来捕捉上下文与给定方面之间的关系，并将上下文隐藏状态的加权和作为最终表示输入分类器。然而，在现有模型的上下文建模过程中，与给定方面相关的信息可能已被丢弃，而有害信息可能被保留。该问题无法由后续模块解决，原因有二：其一，它们的操作均基于编码器生成的上下文隐藏状态，其值在编码器之后不可改变；其二，现有编码器仅考虑上下文而未考虑给定方面。为解决此问题，我们认为在上下文建模过程中应将给定方面视为脱离上下文的新线索。作为解决方案，我们基于不同骨干网络设计了若干方面感知上下文编码器：一个方面感知LSTM和三个方面感知BERT。它们专门用于生成为ABSA任务定制的方面感知隐藏状态。在这些方面感知上下文编码器中，给定方面的语义被用于调节信息流。因此，在所生成的隐藏状态中，方面相关信息得以保留，而方面无关信息可被排除。我们在多个基准数据集上进行了大量实验并辅以实证分析，证明了我们所提方面感知上下文编码器的有效性与优势。