论文泛读195PGCD：用于基于方面的情感分析的位置引导贡献分布单元

Posted 2021-09-05 及时行樂_

贴一下汇总贴：论文阅读记录

论文链接：《PGCD: a position-guied contributive distribution unit for aspect based sentiment analysis》

一、摘要

基于方面的情感分析（ABSA），探索方面给定句子的情感极性，在社交媒体和舆论中得到了广泛的应用。以前的研究通常仅根据文本数据通过句子特征生成来导出与方面无关的表示。在本文中，我们提出了一个位置引导的贡献分配（PGCD）单元。它实现了位置相关的贡献模式，并为 ABSA 任务生成了与方面相关的语句特征。引用自 Shapley Value，PGCD 可以获得位置引导的上下文贡献并增强基于方面的表示。此外，该单元可用于改善多模态 ABSA 任务的效果，其数据集由我们自己重组。

二、结论

在这篇文章中，我们提出了一个新的单元，叫做位置引导贡献分布(PGCD)来捕捉方面项(特殊给定位置)和周围环境之间的规则。这个单位可以解决ABSA任务中“低敏感情绪方面”的问题。我们在三个公开可用的数据集和一个新的重组多模态数据集上进行了广泛的实验。实验结果表明，我们的PGCD单元可以在所有3+“1”数据集上改进现存的ABSA模型，改进输入嵌入特征，使结果更加准确。此外，我们的PGCD单位可以在培训过程中随时灵活更新。最终结果表明，PGCD单元在训练的中前期只需更新一次，既节省了计算资源和时间，又取得了令人满意的效果。

三、模型

PGCD：

• 提出了一个PGCD单元来捕获方面(位置)引导的贡献，这可以增强句子表示，对语言理解也很有用。
• 针对PGCD提出了一种灵活的训练方法，可以在主流模型中更新一次或多次，以达到良好的效果。
• 数据集SemEval通过添加音频模态数据被重组为SemEval-Audio。它可以用于文本-音频级别的ABSA任务。

本文的对比模型（分为基于transformer和不基于transformer两种）：