摘要
基于目标的情感分析或面向方面的 sentiment 分析（ABSA）是指在细粒度层面解决各种情感分析任务，包括但不限于方面提取、方面情感分类和意见提取。目前存在许多针对上述各个子任务或两个子任务组合的解决方案，这些方案可以协同工作以讲述一个完整的故事，即讨论的方面、该方面的情感以及情感的原因。然而，以往的 ABSA 研究尚未尝试一次性提供完整的解决方案。本文中，我们介绍了一种新的 ABSA 子任务，称为方面情感三元组提取（ASTE）。具体而言，该任务的求解器需要从输入中提取三元组（What, How, Why），展示目标方面是什么（WHAT）、其情感极性如何（HOW）以及为何具有这样的极性（WHY，即意见原因）。例如，“服务员非常友好，而意大利面只是普通”这句话中的一个三元组可能是（“服务员”，积极，“友好”）。我们提出了一种两阶段框架来解决这一任务。第一阶段在一个统一模型中预测 What、How 和 Why，然后第二阶段将第一阶段预测的 What（How）和 Why 进行配对以输出三元组。实验结果表明，我们的框架在这项新颖的三元组提取任务中达到了基准性能，并且优于几种从相关最先进方法改编的强大基线模型。