掌握显式观点角色互动：统一观点角色标注的语法辅助神经转换系统

统一意见角色标注（ORL）旨在一次性检测给定文本中所有可能的“意见持有者-目标”意见结构。然而，现有的基于转换的统一方法在处理较长的意见术语时存在局限性，且无法解决术语重叠问题。目前，最佳性能是通过使用基于片段的图模型实现的，但该模型仍然面临模型复杂度高和意见与角色之间互动不足的问题。在这项工作中，我们重新审视了转换架构，并引入了指针网络（PointNet）对其进行增强。该框架以线性时间复杂度解析出所有意见结构，同时利用PointNet突破了术语长度的限制。为了实现明确的意见-角色互动，我们进一步提出了一种统一依赖-意见图（UDOG），共同建模句法依赖结构和部分意见-角色结构。随后，我们设计了一种关系中心图聚合器（RCGA），用于编码多关系UDOG，其中生成的高阶表示被用来促进基础转换系统的预测。我们的模型在MPQA基准测试中取得了新的最先进结果。进一步分析表明，我们的方法在有效性和效率方面均具有优势。