结合共指消解的监督式注意力方法用于方面提取

《Scientific Reports》：Supervised attention method with co-reference resolution for aspect extraction

　　

摘要

基于方面的评论文本情感分析（ABSA）仍然是一个具有挑战性的问题，因为不同句子之间的方面评估存在上下文依赖性。大多数现有方法都是单独进行方面提取的，这限制了它们捕捉复杂多句评论中语义对齐和多词（M-W）方面术语的能力。此外，基线和最新方法在模拟长距离上下文依赖性方面存在困难，导致方面识别不完整或碎片化。为了解决这些限制，本文提出了一种基于监督的层次注意力模型，以增强方面术语的检测能力。该模型在ABSA之前引入了基于共指消解（CRR）的句子对齐机制，该机制可以解决句子之间的代词和指代表达问题，为层次注意力网络（HAN）生成语义对齐的输入。这一预处理步骤增强了上下文连贯性，使HAN中的词级和句级注意力机制能够更有效地捕捉多句评论中的方面相关信息。此外，使用富含语义上下文的词向量学习上下文表示，然后通过带有序列标签的标记数据在HAN中进行处理。在SemEval-16基准数据集上进行的实验表明，该模型在笔记本电脑和餐厅两个领域中始终优于强大的基线和最先进的方法。实验评估显示，与AspectGCN相比，该模型的F分数分别提高了2.77%和3.52%；与IDGNN + BERT相比，分别在笔记本电脑和餐厅评论数据集上提高了4.16%和2.32%。实验结果还表明，加入CRR模块后，模型的性能相比HAN基线模型又提高了3-4%，进一步证明了这种基于上下文感知和对齐驱动的模型在多句评论中提取方面术语（ATE）方面的有效性。