RDGCN：用于基于方面的情感分析的强化依赖图卷积网络
计算与语言
2023-11-09 v1 人工智能
摘要
基于方面的情感分析（ABSA）致力于预测句中方面词的情感极性。利用图神经网络从句法依赖解析中捕获结构模式已被证实是提升 ABSA 的有效途径。在大多数工作中，依赖树或基于依赖的注意力系数的拓扑常被松散地视为方面与观点间的边，这可能导致句法利用不充分且模糊。为解决这些问题，我们提出一种新的强化依赖图卷积网络（RDGCN），从距离与类型双视角改进依赖项的重要性计算。首先，我们提出依赖树上最小距离的重要性计算准则。在该准则下，我们设计了一个距离重要性函数，利用强化学习进行权重分布搜索与相异度控制。由于依赖类型常不具备如树距离般显式的句法，我们使用全局注意力与掩码机制设计类型重要性函数。最后，我们合并这些权重并实现特征聚合与分类。在三个流行数据集上的综合实验证明了该准则与重要性函数的有效性。RDGCN 在所有验证中均优于最先进的基于 GNN 的基线。
引用
@article{arxiv.2311.04467,
title = {RDGCN: Reinforced Dependency Graph Convolutional Network for Aspect-based Sentiment Analysis},
author = {Xusheng Zhao and Hao Peng and Qiong Dai and Xu Bai and Huailiang Peng and Yanbing Liu and Qinglang Guo and Philip S. Yu},
journal= {arXiv preprint arXiv:2311.04467},
year = {2023}
}
备注
The 17th ACM International Conference on Web Search and Data Mining