CrosGrpsABS：基于跨注意力的语法与语义图用于低资源语言的基于方面的情感分析
机器人学
2025-05-27 v1 计算机视觉与模式识别
机器学习
摘要
基于方面的情感分析（Aspect-Based Sentiment Analysis, ABSA）是自然语言处理中的基础任务，提供对文本中表达意见的细粒度洞察。虽然现有研究主要聚焦于像英语等资源丰富的语言，利用大型标注数据集、预训练模型和语言特定工具，但这些资源在像孟加拉等低资源语言中往往不可得。面向孟加文 ABSA 任务的研究仍不够深入，且进一步受其独特语言特征的制约，加上缺乏标注数据、预训练模型和优化后的超参数。为此，本研究提出 CrosGrpsABS，一种新型混合框架，利用语法图和语义图之间的双向跨注意力机制，以增强方面级情感分类。CrosGrpsABS 将基于变换器的上下文嵌入与图卷积网络相结合，基于规则的语法依赖解析和语义相似性计算构建。通过采用双向跨注意力，该模型有效融合了局部语法结构与全局语义上下文，实现了在低资源和高资源环境中的情感分类性能提升。我们在四个低资源孟加文 ABSA 数据集和一个高资源英语 SemEval 2014 Task 4 数据集上进行评估。实验结果表明，CrosGrpsABS 在所有数据集上均优于现有方法，包括在 SemEval 2014 Task 4 基准测试中实现了餐厅领域 0.93% 的 F1 分数提升和笔记本领域 1.06% 的 gain。
引用
@article{arxiv.2505.19017,
title = {WorldEval: World Model as Real-World Robot Policies Evaluator},
author = {Yaxuan Li and Yichen Zhu and Junjie Wen and Chaomin Shen and Yi Xu},
journal= {arXiv preprint arXiv:2505.19017},
year = {2025}
}
备注
The project page is available at https://worldeval.github.io