面向方面情感三元组抽取的结构偏置
计算与语言
2022-09-05 v1
摘要
结构偏置近期被用于方面情感三元组抽取（ASTE）并带来了性能提升。另一方面，人们认识到显式引入结构偏置会对效率产生负面影响，而预训练语言模型（PLM）已能捕捉隐式结构。因此，一个自然的问题浮现：在 PLM 背景下结构偏置是否仍为必需？为回答该问题，我们提出通过使用适配器将结构偏置整合进 PLM，并采用计算代价低廉的相对位置结构替代句法依存结构，以解决效率问题。我们在 SemEval 数据集上进行了基准评估。结果表明，我们提出的结构适配器有益于 PLM，并在一系列强基线上取得了最先进性能，且参数需求小、延迟低。同时，我们指出当前以小规模数据为主的默认评估缺乏置信度。为此，我们发布了一个大规模 ASTE 数据集。新数据集上的结果暗示结构适配器在大规模下确实高效且有效。总体而言，我们得出结论：即便使用 PLM，结构偏置仍应为必需。
引用
@article{arxiv.2209.00820,
title = {Structural Bias for Aspect Sentiment Triplet Extraction},
author = {Chen Zhang and Lei Ren and Fang Ma and Jingang Wang and Wei Wu and Dawei Song},
journal= {arXiv preprint arXiv:2209.00820},
year = {2022}
}
备注
10 pages, 4 figures, 5 tables, accepted to COLING 2022, code is available at https://github.com/GeneZC/StructBias