![](https://img-blog.csdnimg.cn/20201014180756925.png?x-oss-process=image/resize,m_fixed,h_64,w_64)
nlp
文章平均质量分 93
qq_36234441
这个作者很懒,什么都没留下…
展开
-
Learning Span-Level Interactions for Aspect Sentiment Triplet Extraction 论文阅读 ACL2021
目录摘要针对问题:解决方法:2 Span-based ASTE2.1 Task Formulation2.2 Model Architecture2.2.1 Sentence EncodingSpan Representation2.2.2 Mention ModulePruned Target and Opinion2.2.3 Triplet ModuleTarget Opinion Pair RepresentationSentiment Relation Classifier2.3 Training.原创 2021-08-18 23:35:41 · 2558 阅读 · 4 评论 -
Deep Context- and Relation-Aware Learning for Aspect-based Sentiment Analysis论文阅读 ACL2021
摘要基于方面的情感分析(ABSA)的现有工作采用了统一的方法,允许子任务之间的交互关系。然而,我们观察到这些方法倾向于根据方面和意见术语的字面意思来预测极性,并且主要考虑单词级别的子任务之间的隐含关系。此外,识别具有极性的多个方面-意见对更具挑战性。因此,全面了解上下文信息关于ABSA 进一步要求方面和意见。在本文中,我们提出了深度上下文关系感知网络(DCRAN),它允许基于两个模块(即方面和意见传播以及显式自我监督策略)具有深层上下文信息的子任务之间的交互关系。特别是,我们为 ABSA 设计了新颖的自.原创 2021-08-18 23:17:36 · 1087 阅读 · 1 评论 -
Towards Generative Aspect-Based Sentiment Analysis 论文阅读ACL2021
Towards Generative Aspect-Based Sentiment Analysis摘要【ACL2021】基于方面的情感分析(ABSA)最近受到越来越多的关注。 大多数现有工作以区分方式处理 ABSA,为预测设计各种特定于任务的分类网络。 尽管它们很有效,但这些方法忽略了 ABSA 问题中丰富的标签语义,并且需要广泛的特定于任务的设计。 在本文中,我们建议在统一的生成框架中处理各种 ABSA 任务。 两种类型的范式,即注释式和提取式建模,旨在通过将每个 ABSA 任务制定为文本生成问题原创 2021-08-18 12:06:08 · 3149 阅读 · 7 评论