摘要
基于方面的情感三元组抽取（Aspect-based Sentiment Triplet Extraction, ASTE）旨在从文本中识别出完整的三元组信息，即方面词（aspect term）、观点表达（opinion expression）及其对应的情感极性。作为一项新兴任务，ASTE能够从多个视角全面刻画情感分布，从而更好地支持实际应用场景。然而，现有ASTE方法尚未有效解决若干关键挑战，例如方面与观点项之间的重叠问题以及长距离依赖问题，这在很大程度上制约了该任务的性能提升。本文提出一种创新的端到端编码器-解码器框架，用于实现ASTE任务。具体而言：首先，将ASTE任务建模为无序三元组集合的预测问题，并采用基于指针网络的非自回归解码范式予以求解；其次，设计了一种新型的高阶聚合机制，以充分捕捉方面词与观点词之间重叠结构所蕴含的深层交互关系；第三，引入二分图匹配损失（bipartite matching loss），以有效支持非自回归系统的训练过程。在标准基准数据集上的实验结果表明，所提出的框架显著优于当前最先进的方法。进一步的分析验证了该框架在处理重叠问题、缓解长距离依赖以及提升解码效率方面的显著优势。