2023年05月19日:BiSyn-GAT+: Bi-Syntax Aware Graph Attention Network for Aspect-based Sentiment Analysis
- 主页 /
- 通知公告 /
- 通知公告
2023年05月19日:BiSyn-GAT+: Bi-Syntax Aware Graph Attention Network for Aspect-based Sentiment Analysis
【报告内容】
汇报人:柯添赐
单位:福建工程学院
主题:《BiSyn-GAT+: Bi-Syntax Aware Graph Attention Network for Aspect-based Sentiment Analysis》
1、Introduction
2、Method
3、Experiments
4、Conclusion
【报告总结】
1.待解决的问题描述:
近年来,采用图神经网络与语法依赖树相结合方法应用到方面级情感分析任务已成为主流,但是,依赖树的语法信息在方面级情感分析任务中还存在不同情感极性的情感词之间存在错误依赖,以及不同情感极性的方面词之间可能也存在错误依赖。因此,本文提出在方面级情感分析任务引入语法成分树的结构信息,提出了双语法感知图注意力网络模型来解决这个问题。
2.相关创新方案
本文首次将语法成分树(短语结构树)的语法信息应用到方面级情感分析任务。通过语法成分树中的短语结构来消除依赖树语法中的不足,采用按邻接矩阵的元素位置相加的方法融合两种语法信息,以此断开不同情感极性的情感词之间存在错误依赖和不同情感极性的方面词之间存在的错误依赖。之后还探究不同方面词之间的关系,通过找出内分支来构建方面词关系图,使得进一步加强了分类的准确率。
3.实验总结
本文实验部分首先对数据集概况做了介绍,然后对比了近年来较经典以及效果较好的基线模型,实验结果表明本文模型效果已经超过当前效果最好的模型。然后做了本文模型的消融实验,验证模型各个模块的有效性。最后还做了方面词关系图-不同构建方法的探究性实验和不同的语法解析器的效果对比实验以及案例分析。
4.未来工作
本文是首次在方面级情感分析任务中引入成份树的语法信息,对于该语法信息的应用方式或许还有更多的形式,未来可以深入探究,比如短语标签“NP”,“VP”的应用等。
报告时间:2023年05月19日19:30
腾讯会议:371 3868 6615
点我下载本讨论课相关文献或PPT吧~(提取码:iipr)