ACLMay, 2021

基于依存关系图解析的结构化情感分析

PDF
TL;DR本文提出了一种新的统一框架，将结构化情感分析问题作为依存关系图解析，其中节点是情感持有者、目标和表达式，弧是它们之间的关系。在四种语言的五个数据集上进行实验，结果显示这种方法比现有技术有更好的表现，并通过依存语法信息改进情感图产生了更好的结果。
structured sentiment analysisdependency graph parsingsentiment holderstargetsexpressions
发现论文，激发创造
  • 情感图的直接解析

    本文研究如何应用基于图的语义解析器直接从文本预测情感图来完成结构化情感分析的任务，取得了在 5 个标准基准测试集中 4 个的最先进结果，并公开了源代码、模型和预测结果。

    Mar, 2022

  • 基于转移依存句法分析的结构化情感分析

    本文提出一种基于转移的方法，使用指针网络架构实现，用于将文本中的观点作为依存句法结构提取并有效地表示。作者进行了详细评估，证明了该方法在多数情况下具有目前最好的表现，并在最具挑战性的数据集上超越了最新的任务特定技术。此外，作者还进行了深入的分析，实验表明本方法的时间复杂度成二次方，比表现最佳的基于图的解析器更高效。

    May, 2023

  • 一种新的标记策略用于有效的令牌图建模，用于结构化情感分析

    本研究提出了一种基于依存句法分析的情感分析模型，并对其进行了改进，包括采用新的标签策略、图注意力网络和自适应多标签分类器来优化其性能，实验结果表明我们的模型在五个基准数据集上的效果大幅优于之前的最优模型。

    Mar, 2022

  • 借鉴结构范围：用混合图卷积网络提高方面级情感分析

    提出了 Scope 的概念，用于描述与特定目标相关的结构文本区域。结合组成树和依赖树的信息，提出了一个杂交图卷积网络（HGCN）来共同学习结构 Scope 并预测情感极性，证明该模型优于当前最先进的基线模型。

    Apr, 2022

  • 情感分类的统计分析框架

    本文提出了一个基于统计语法分析的句子级情感分类框架，在此我们发展了一个统计分析器来直接分析句子的情感结构，并在上下文自由语法的基础上形成情感规则。我们训练情感分析器 s.parser，从用户评级的大量评论句子中直接获得情感极性标签，利用情感树得到情感强度和情感极性的极性模型和最佳情感树的排名模型，结果表明该方法显著优于基准情感分类方法。

    Jan, 2014

  • 基于区间提取和分类的开放式目标情感分析

    提出了一种基于跨度的提取 - 分类框架，其直接从句子中提取多个观点目标，并使用其跨度表示对相应的情感极性进行分类，该方法在三个基准数据集上的实验表明，该方法在情感分析中表现良好且优于以前的序列标注基线。

    Jun, 2019

  • 针对性情感分析学习显式与隐式结构

    本文研究了目标情感分析这一任务，提出在模型中同时引入显式结构信息和隐式的全局结构信息能够提升模型性能，并进行了大量实验来验证该方法的有效性和鲁棒性。

    Sep, 2019

  • 基于生成方法的结构化情感分析在 SemEval-2022 任务 10 中的应用

    本文提出了一种基于 BART 编码器 - 解码器结构统一生成的结构化情感分析方法，该方法可以在单语和跨语言子任务上实现竞争性情感 F1 得分表现。

    May, 2022

  • 使用动态异构图神经网络共同建模方面与情感

    本文提出了一种新的动态异构图结构来联合建模方面提取和情感检测，实验结果表明，我们的模型优于现有最先进的模型，特别在多观点方面和无观点方面的情况下，性能显著提高。

    Apr, 2020

  • 情感目标抽取和目标情感预测的统一模型

    本研究提出了一个新颖的统一模型来解决目标基情感分析的任务，其应用了统一的标记方案，并且使用两个堆叠的循环神经网络来提高主任务的性能，并通过门机制维护观点目标内的情感一致性，在三个基准数据集上实验结果表明该框架具有优异的效果。

    Nov, 2018