A Challenge Dataset and Effective Models for Aspect-Based Sentiment Analysis
摘要:摘要 基于方面的情感分析(ABSA)由于其广泛的应用,近年来受到了越来越多的关注。在现有的ABSA数据集中,大多数句子只包含一个或多个具有相同情感极性的方面,这使得ABSA任务退化为句子级情感分析。在本文中,我们提出了一个新的大规模多方面多情感(MAMS)数据集,其中每个句子至少包含两个具有不同情感
阅读全文
posted @
2023-09-06 10:12
啥123
阅读(186)
推荐(0)
Structural Bias for Aspect Sentiment Triplet Extraction(COLING 2022)
摘要:摘要 即使使用了大规模预训练模型,结构偏差仍然是有必要的 在本文中,我们希望从两个角度回答这个问题:1)在参数和延迟效率方面,结构偏差是否可以以灵活的方式纳入PLM;以及2)结构偏差是否可以增强ASTE的额PLM。 相比之下,我们建议使用结构化的注意力图,而不是引入精心设计的插件,从而在自我注意力中
阅读全文
posted @
2023-08-29 10:48
啥123
阅读(58)
推荐(0)
阅读理解综述
摘要:基于端到端神经网络的机器阅读理解模型大都采用图 1 所示的 4 层架构,详细解释见论文http://ss.zhizhen.com/detail_38502727e7500f26ec06ec0224871b794fe90187181395f71921b0a3ea255101fc1cf1fbb4666a
阅读全文
posted @
2023-08-29 10:44
啥123
阅读(39)
推荐(0)
基于方面情感分析的双语法感知图注意力网络
摘要:摘要 基于方面的情感分析极具挑战性,因为一个句子可能包含多个方面或复杂的关系。利用图神经网络挖掘依赖语法信息已成为最流行的趋势,尽管取得了成功,但严重依赖依赖树的方法在准确建模方面及其表示情绪的词语的一致性方面带来了挑战,因为依赖树可能会提供不相关联的嘈杂信号。为了缓解这一问题,提出双语法感知的图注
阅读全文
posted @
2023-08-29 10:41
啥123
阅读(131)
推荐(0)
利用异构语言学图增强汉语预训练语言模型
摘要:GCN图卷积模型 论文中用到了GCN图卷积模型,GCN最早提出了一种可以在图(Graph)上执行卷积操作的方法,虽然图上卷积计算实现与图像(image)中的卷积不同,但是其背后隐含的思想是相同的,其都是从周围提取信息然后通过执行某种操作而获得新信息。 以上公式为GCN的计算公式 其中A为邻接矩阵,H
阅读全文
posted @
2023-06-08 10:42
啥123
阅读(100)
推荐(0)
文档级方面情感分析
摘要:在文献中,已有的研究总是将方面情感分类(Aspect emotion Classification, ASC)看作是一个独立的句子级逐方面分类问题,在很大程度上忽略了文档级情感偏好信息,尽管这些信息显然对于缓解ASC中的信息不足问题至关重要。本文探讨了文档内部的两种情感偏好信息,即同一方面的语境情感
阅读全文
posted @
2023-04-17 17:07
啥123
阅读(136)
推荐(0)
BiSyn GAT+:用于基于方面的情绪分析的双语法感知图形注意力网络
摘要:基于方面的情绪分析(ABSA)是一种细粒度的情绪分析任务,旨在调整方面和相应的情绪,以进行特定方面的情绪极性推断。这很有挑战性,因为一个句子可能包含多个方面或复杂的(例如,条件关系、协调关系或对抗关系)。近年来,利用图神经网络挖掘依赖语法信息已成为最流行的趋势。尽管它取得了成功,但严重依赖依赖树的方
阅读全文
posted @
2023-04-06 16:26
啥123
阅读(186)
推荐(0)
利用依存句法分析和GCN网络进行情感分析的模型
摘要:1.Aspect-Level Sentiment Analysis Via Convolution over Dependency Tree(EMNLP2019) 模型将句子的依存树进行输入,然后经过Bi-LSTM进行编码,之后再经过GCN网络进一步增强,目标是提取嵌入,该嵌入对特定方面表达和意见词
阅读全文
posted @
2022-10-11 09:47
啥123
阅读(383)
推荐(0)
DOER
摘要:摘要 本文主要研究基于方面的情感分析的两个子任务,即方面项提取和方面情感分类,我们称之为方面项极性共提取。前者的任务是从意见文档中提取产品或服务的方面,后者是识别文档中表达的关于这些提取方面的极性。大多数现有的算法将它们视为两个独立的任务,并逐个求解,或者只执行一个任务,这对于实际应用来说可能很复杂
阅读全文
CasRel 一种新的用于关系三重抽取的级联二进制标记框架
摘要:1介绍 知识图的关键成分是关系事实,其中大多数由语义关系连接的两个实体组成。这些事实的形式为(主语、关系、宾语)或(s、r、o),称为关系三元组。从自然语言文本中提取关系三元组是构建大规模知识图的关键步骤。 关系三重抽取的早期工作采用了流水线方法 ,它首先识别句子中的所有实体,然后对每个实体对进行关
阅读全文
posted @
2022-07-11 15:33
啥123
阅读(1342)
推荐(0)
Open-Domain Targeted Sentiment Analysis via Span-Based Extraction and Classification基于Span的开放域情感提取与分类
摘要:摘要 面向开放域的情感分析旨在从句子中检测意见目标及其情感极性。之前的工作通常将此任务描述为序列标记问题。然而,该公式存在搜索空间大、情感不一致等问题。为了解决这些问题,我们提出了一个基于广度的抽取-再分类框架,在目标span边界的监督下,直接从句子中抽取多个观点目标,然后使用它们span表示对相应
阅读全文
Dependency-Guided LSTM-CRF for Named Entity Recognition
摘要:基于依赖关系的LSTM-CRF的命名实体识别 摘要 依赖树结构捕捉句子中单词之间的远距离和句法关系。句法关系(例如,名词主语、宾语)可能推断出某些命名实体的存在。此外,命名实体识别器的性能还可以受益于依赖树中单词之间的长距离依赖关系。在这项工作中,我们提出了一个简单而有效的依赖导向LSTM-CRF模
阅读全文
posted @
2022-06-08 16:17
啥123
阅读(314)
推荐(0)
FLAT Flat-Lattice-Transformer收获
摘要:论文整体使用了transformer的编码层,对于自注意力的计算方式进行了改变,引入了相对位置编码。 主要创新点: 将lattice-LSTM中词的图结构信息给“拉平”成统一的序列输入,从而解决了LSTM无法高效并行,而transformer具有更强的语义和长依赖的编码能力。 引入相对位置编码,这个
阅读全文
posted @
2022-06-05 12:04
啥123
阅读(88)
推荐(0)
命名实体识别Lattice LSTM
摘要:论文使用了Lattice结构LSTM模型应用于命名实体识别,模型对一系列输入字符以及所有与词典匹配的潜在单词进行编码,与基于字符的方法相比,我们的模型显式地利用了单词和单词序列信息。与基于词的方法相比,lattice LSTM不存在分割错误。模型利用显式单词进行字符序列标记,不会出现分割错误。 模型
阅读全文
posted @
2022-05-20 10:01
啥123
阅读(261)
推荐(0)
Relational Graph Attention Network for Aspect-based Sentiment Analysis论文翻译
摘要:摘要 基于方面的情绪分析旨在确定在线评论中针对特定方面的情绪极性。最近的研究采用了基于注意的神经网络模型来隐式地将方面与意见词联系起来。然而,由于语言的复杂性和一个句子中多个方面的存在,这些模型经常混淆连接。在本文中,我们通过有效的语法信息编码来解决这个问题。首先,我们定义了一个统一的面向方面的依赖
阅读全文
posted @
2022-04-14 19:36
啥123
阅读(461)
推荐(0)
RGAT-ABSA数据处理过程
摘要:1 编码方式 如果训练数据采用的编码方式是Bert,则通过BertTokenizer.from_pretrained(args.bert_model_dir)来加载预训练模型和训练的参数。 2 加载数据集 加载train_dataset训练数据,test_dataset测试数据,word_vocab
阅读全文
posted @
2022-04-05 09:24
啥123
阅读(362)
推荐(0)
基于方面情感分析的关系图注意网络
摘要:最近的研究采用了基于注意的神经网络模型来隐式地将方面与意见词联系起来。然而,由于语言的复杂性和一个句子中多个方面的存在,这些模型经常混淆连接。在本文中,我们通过有效的语法信息编码来解决这个问题。 我们定义了一个统一的面向方面的依赖树结构,该结构通过对普通的依赖解析树进行整形和剪枝来植根于目标方面。然
阅读全文
posted @
2022-03-26 11:37
啥123
阅读(310)
推荐(0)
论文--大规模情感词典的构建及其在情感分类中的应用
摘要:论文主要基于海量的微博数据,使用简单的文本统计算法,构建了一个十万词语的大规模情感词典。(论文地址:http://jcip.cipsc.org.cn/CN/abstract/abstract2374.shtml#) 情感词典的构建流程如下: 表情符种子获取,利用提前构建好的情感词语种子,在一个较小规
阅读全文
posted @
2022-02-26 20:54
啥123
阅读(336)
推荐(0)