HyperAIHyperAI
il y a 2 mois

Un réseau bidirectionnel au niveau des spans pour l’extraction de triplets d’aspect-sentiment

Yuqi Chen; Keming Chen; Xian Sun; Zequn Zhang
Un réseau bidirectionnel au niveau des spans pour l’extraction de triplets d’aspect-sentiment
Résumé

L'extraction de triplets d'aspect-sentiment (ASTE) est une nouvelle tâche d'analyse de sentiment fine qui vise à extraire des triplets composés de termes d'aspect, de sentiments et de termes d'opinion à partir de phrases de commentaires. Récemment, les modèles au niveau des spans ont obtenu des résultats satisfaisants dans la tâche ASTE en exploitant les prédictions de tous les spans possibles. Étant donné que l'ensemble des spans possibles augmente considérablement le nombre de candidats potentiels pour les aspects et les opinions, il est essentiel et difficile d'extraire efficacement les éléments du triplet parmi eux. Dans cet article, nous présentons un réseau bidirectionnel au niveau des spans qui utilise tous les spans possibles comme entrée et extrait les triplets des spans dans les deux sens. Plus précisément, nous avons conçu à la fois un décodeur d'aspect et un décodeur d'opinion pour décoder les représentations des spans et extraire des triplets dans les directions aspect-à-opinion et opinion-à-aspect. Grâce à ces deux décodeurs qui se complètent mutuellement, le réseau global peut extraire les triplets des spans de manière plus complète. De plus, étant donné que l'exclusion mutuelle entre les spans ne peut pas être garantie, nous avons conçu une perte de séparation similaire aux spans pour faciliter la tâche downstream consistant à distinguer le span correct en élargissant la divergence Kullback-Leibler (KL) entre les spans similaires pendant le processus d'apprentissage ; lors du processus d'inférence, nous adoptons une stratégie d'inférence pour supprimer les triplets conflictuels des résultats en fonction de leurs scores de confiance. Les résultats expérimentaux montrent que notre cadre non seulement surpasse significativement les méthodes state-of-the-art, mais aussi atteint une meilleure performance dans la prédiction de triplets avec des entités multi-jetons et l'extraction de triplets dans des phrases contenant plusieurs triplets.

Un réseau bidirectionnel au niveau des spans pour l’extraction de triplets d’aspect-sentiment | Articles de recherche récents | HyperAI