摘要
方面情感三元组抽取（ASTE）是一项新的细粒度情感分析任务，旨在从评论句子中提取方面术语、情感和观点术语的三元组。近年来，基于片段级别的模型通过利用所有可能的片段预测，在ASTE任务上取得了令人满意的结果。由于所有可能的片段显著增加了潜在的方面和观点候选数量，因此高效地从中提取三元组元素变得至关重要且具有挑战性。在本文中，我们提出了一种基于片段级别的双向网络，该网络以所有可能的片段作为输入，并从两个方向（即方面到观点和观点到方面）双向提取三元组。具体而言，我们设计了方面解码器和观点解码器来解码片段表示，并分别从方面到观点和观点到方面的方向提取三元组。这两个解码器相互补充，使得整个网络能够更全面地从片段中提取三元组。此外，考虑到片段之间可能存在互斥关系无法保证，我们在训练过程中设计了一种类似的片段分离损失函数，通过扩展相似片段之间的KL散度来促进下游任务中的正确片段区分；在推理过程中，我们采用了一种推理策略，根据置信度分数从结果中移除冲突的三元组。实验结果表明，我们的框架不仅显著优于现有最先进方法，而且在多标记实体的三元组预测以及包含多个三元组的句子中提取三元组方面表现出更好的性能。