(ACL2019)Open-DomainTargeted Sentiment Analysis via Span-Based Extraction and Classification

open-domain targeted任务主要分两部分，第一步是把句子中的target检测出来，第二步是对target进行情感分类。

文章提出了一种基于新的数据标注方式的方法，解决了传统tag标注的搜索空间大且同一target下的不同单词可能被归入不同情感标签的缺点，以bert为基础模型进行了实验。

论文提出的Span-Based标注方法如下：

下图表示的是论文整个模型的工作过程，提取出targets之后，通过attention加权送入神经网络输出分类结果。

论文想要同时提取出多个target，为了避免多个targets之间存在word上的overlap，作者采用了一种启发式编码的算法提取multi-targets。首先提取分数前K大的start和end位置，之后尝试其所有合适的组合，分数总和大于一个阈值的就计算这个备选target的潜在分数ul(减去target长度因为target一般都是由少量word组成的)，并纳入备胎集合。每次从备胎中选出潜在分数最大的target作为提取出的target，之后删去备胎集合中有word overlap的target。