【报告内容】

汇报人：王嘉灿

汇报单位：福建理工大学

主题:《Affective Commonsense Knowledge Enhanced Dependency Graph for Aspect Sentiment Triplet Extraction》

1、Introduction

2、Methods

3、Experiments

4、Conclusion

【报告总结】

1、待解决的问题描述

现有的ASTE方法证明了它们在提取三重态方面的有效性，但在提高 ASTE 性能方面仍存在 一些挑战。由于强调使用统一的模型进行三元组提取，他们忽略了单个单词的内在信息，包括单词之间的隐含关系。

2、相关创新方案

本文考虑了每个词中包含的情感信息以及它们之间的相对位置距离关系。具体来说，它生成了一个依赖图， 结合通过称为 SenticNet 的外部知识库获得的情感信息。将该依赖图集成到多层卷积网络中，增强词与词之间的情感依赖关系。此外，利用相对位置嵌入的注意机制来获取包含上下文和句法信息的词表征。该方法还采用了扩展网格标注方案，以更准确地描述词与词之间的关系。

3、实验总结

单个单词的内在信息有助于更准确地捕捉情感极性，单词之间的隐式关系有助于通过单词的互连来理解情感表达。然而，在大多数现有的 ASTE 模型中，这些特征被忽略了。在本文中，我们的模型被引入来解决这些问题。

4、未来工作

未来的工作旨在克服识别意见术语时对词性的依赖。另一方面，在实验中，用于训练和评估的数据库是英文的。在处理其他语言时需要额外的数据处理。此外，现有的工作已经证明了预训练语言模型 (PLM) 在捕获上下文方面的卓越性能，为了更好地理解上下文在获得单词情感信息的同时，未来的工作将考虑 PLM 和情感信息的集成。

报告时间：2024年02月16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)