基于位置贡献嵌入的方面级情感分析
计算与语言
2021-11-23 v2
摘要
方面级情感分析（ABSA）旨在探索给定方面的句子的情感极性，是自然语言处理领域中的一项细粒度任务。以往研究通常倾向于基于方面和观点的语义来预测极性。然而，这些方法主要在词级别隐式地考虑关系，忽略了当方面出现在某一特定位置时其他位置词的历史影响。因此，我们提出一种基于位置的贡献嵌入（PosCE）以突出对特殊位置方面的历史参考。每个位置词对极性的贡献类似于将收益公平分配给若干协同行动的参与者（博弈论）的过程。因此，我们借鉴Shapley值的方法，最终得到PosCE，以增强ABSA任务中基于方面的表示。此外，PosCE也可用于提升多模态ABSA任务的性能。在SemEval数据集上于文本及文本-音频层面的广泛实验表明，主流模型在应用我们的PosCE后准确率与F1均有提升（平均分别提高2.82%和4.21%）。
引用
@article{arxiv.2108.05098,
title = {Position-based Contributive Embeddings for Aspect-Based Sentiment Analysis},
author = {Zijian Zhang and Chenxin Zhang and Jiangfeng Li and Qinpei Zhao},
journal= {arXiv preprint arXiv:2108.05098},
year = {2021}
}
备注
5 pages, 3 figures. Submitted to ICASSP 2022