摘要
属性级情感三元组抽取(aspect sentiment triplet extraction,ASTE)任务主要是从句子中检测出属性词及其对应的评价词和情感倾向,然而当抽取多词属性词和评价词时,无法准确地抽取出全部的单词;当面对重复的属性词和评价词时,以往的研究很难学习到"属性词-评价词"词对之间所有的关联关系.为解决这些问题,提出了一种基于句法增强的多任务学习框架,来解决端到端的情感三元组抽取任务.句子中的句法结构反映的是句法属性和依赖关联信息,这对抽取任务和情感分类任务有积极作用.该方法是利用依存句法嵌入图卷积网络充分挖掘句法特征,并将其传递到属性词抽取、评价词抽取和情感分析这3个子任务中,实现了句法信息与多任务联合学习框架的融合.在情感分析任务的 4个英文数据集和 1个中文数据集上对模型进行了评估,实验结果表明,提出的方法是有效的且明显优于其他的基线模型,同时对具体案例进行分析,证明该方法一定程度上解决了多词和重复词的问题.
NETL
NSTL
维普
万方数据