T-T：用于基于标记的方面情感三元组抽取的表格转换器

方面情感三元组抽取（ASTE）旨在从给定句子中抽取由方面词、观点词和情感极性组成的三元组。表格标记方法是解决此任务的流行方法，将句子编码为二维表格，以便对任意两个词之间的关系进行标记。以往的工作主要关注设计各种下游关系学习模块，以更好地捕捉表格中令牌之间的相互作用，揭示更强的关系捕获能力将导致模型取得更大的改进。因此，我们尝试直接利用转换器层作为下游关系学习模块。由于转换器强大的语义建模能力，这预计会带来显著的改进。然而，由于表格长度与输入句子序列长度之间呈二次关系，直接使用转换器面临两个挑战：表格序列过长以及不公平的局部注意力交互。为解决这些挑战，我们提出了一种 novel Table-Transformer（T-T）用于基于标记的ASTE方法。具体而言，我们引入一种带有循环位移策略的条纹注意力机制，以解决这些挑战。前者修改全局注意力机制，仅注意二维局部注意力窗口；后者促进不同注意力窗口之间的交互。大量和全面的实验表明，T-T作为一种下游关系学习模块，以更低的计算成本实现了最先进的性能。