摘要
观点角色标注（Opinion Role Labeling, ORL）是细粒度观点挖掘中的关键任务，旨在识别给定观点触发词所对应的重要观点论元，如观点持有者（holder）和观点目标（target）。该任务与语义角色标注（Semantic Role Labeling, SRL）高度相关，后者旨在为给定谓词识别关键的语义论元，如施事（agent）和受事（patient）。由于谓词中的施事和受事通常分别对应观点中的持有者和目标，因此SRL可为ORL提供有价值的辅助信息。本文提出一种简单而新颖的方法，通过利用SRL来增强ORL性能，具体方法是构建基于SRL学习得到的语义感知词表示（semantic-aware word representations），并将这些表示作为基础输入馈入基准神经网络ORL模型中。我们在标准的MPQA语料库上验证了该方法的有效性。实验结果表明，所提方法具有显著效果。此外，我们还将该方法与两种典型的SRL融合策略进行对比，结果表明，我们的方法显著优于这两种方法，其F-score较表现最优的对比方法高出1.47个百分点。