面向方面级与句子级情感分析标签空间统一的方法
计算与语言
2022-03-15 v1 机器学习
摘要
方面级情感分析（ABSA）是一项细粒度任务，旨在判定句子中出现的目标方面词的情感极性。ABSA任务的发展深受标注数据缺乏的制约。为此，已有研究探讨利用情感分析（SA）数据集辅助训练ABSA模型，主要通过预训练或多任务学习。本文延续此思路，并首次将伪标签（PL）方法用于合并这两个同质子任务。尽管利用生成的伪标签来处理这两个高度相关任务的标签粒度统一看似直接，我们在本文中指出了其主要挑战，并提出了一种称为双粒度伪标签（DPL）的新框架。此外，类似于PL，我们将DPL视为可结合文献中其他已有方法的通用框架。通过大量实验，DPL在标准基准上取得了超越先前工作的state-of-the-art性能。
引用
@article{arxiv.2203.07090,
title = {Towards Unifying the Label Space for Aspect- and Sentence-based Sentiment Analysis},
author = {Yiming Zhang and Min Zhang and Sai Wu and Junbo Zhao},
journal= {arXiv preprint arXiv:2203.07090},
year = {2022}
}