摘要
方面词抽取（Aspect Term Extraction, ATE）旨在识别句子中的所有方面词，通常被建模为序列标注问题。然而，基于序列标注的方法难以充分利用整个句子的全局语义信息，且在处理标签间依赖关系方面存在局限性。为解决上述问题，本文首次尝试将ATE形式化为序列到序列（Sequence-to-Sequence, Seq2Seq）学习任务，其中源序列由词语构成，目标序列由标签构成。同时，为使Seq2Seq学习更适用于ATE任务中标签与词语一一对应的关系，本文设计了门控单元网络（gated unit networks），将对应的词表示信息引入解码器；并提出位置感知注意力机制（position-aware attention），使模型能够更加关注目标词邻近的上下文词语。在两个公开数据集上的实验结果表明，结合所提出的门控单元网络与位置感知注意力机制，Seq2Seq学习在方面词抽取任务中具有良好的有效性。