以词片替换句法树：基于词片与方面增强的面向目标观点词抽取
计算与语言
2023-05-19 v1
摘要
当前最优的面向目标观点词抽取（TOWE）模型通常使用基于BERT的文本编码器在词级别上运行，并结合图卷积网络（GCNs）以融入从句法树中提取的句法信息。这些方法通过GCNs获得的提升有限，且难以利用BERT词片（wordpieces）。同时，已知BERT词片在表示罕见词或上下文信息不足的词方面十分有效。为解决此问题，本文通过从方法架构中完全移除GCN组件，以BERT词片替换句法树。为提升TOWE性能，我们解决了编码过程中方面表示丢失的问题。我们不使用仅以句子作为输入的方式，而是使用句子-方面对。我们相对简单的方法在基准数据集上取得了当前最优结果，并应作为进一步研究的强基线。
引用
@article{arxiv.2305.11034,
title = {Trading Syntax Trees for Wordpieces: Target-oriented Opinion Words Extraction with Wordpieces and Aspect Enhancement},
author = {Samuel Mensah and Kai Sun and Nikolaos Aletras},
journal= {arXiv preprint arXiv:2305.11034},
year = {2023}
}
备注
Accepted at ACL 2023