Investigation des dépendances syntaxiques typées pour la classification ciblée du sentiment à l’aide d’un réseau neuronal à attention sur graphe

La classification ciblée du sentiment prédit la polarité émotionnelle associée à des mentions cibles spécifiques dans un texte d'entrée. Les méthodes dominantes utilisent des réseaux neuronaux pour encoder la phrase d'entrée et extraire les relations entre les mentions cibles et leur contexte. Récemment, les réseaux neuronaux graphes ont été explorés afin d'intégrer la syntaxe dépendante à cette tâche, atteignant ainsi des résultats de pointe. Toutefois, les approches existantes ne prennent pas en compte les informations portées par les étiquettes de dépendance, qui pourraient être intuitivement utiles. Pour résoudre ce problème, nous proposons un nouveau réseau d'attention sur graphe relationnel intégrant des informations syntaxiques dépendantes typées. Les résultats obtenus sur des benchmarks standards montrent que notre méthode peut efficacement exploiter les informations d'étiquetage afin d'améliorer les performances de la classification ciblée du sentiment. Notre modèle final surpasse significativement les approches basées sur la syntaxe les plus avancées.