[ABSA]0x03SPAN模型和Learning Span-Level Interactions for Aspect Sentiment Triplet Extraction

前言

今天学习的ABSA内容是达摩院的一篇成果，它在14res和14lap上取得了很好的效果（F1得分也比不少22年的高）

摘要

方面情绪三元组提取(ASTE)是ABSA的最新子任务，它输出一个方面目标的三元组、与之相关的情绪和相应的意见项。最近的模型采用端到端方式进行三元组提取，但严重依赖于每个目标词和意见词之间的相互作用。因此，他们不能很好地表现目标和意见包含多个词。我们提出的跨层次方法在预测情感关系时明确地考虑了整个范围内的目标和意见之间的交互作用。因此，它可以进行全跨度语义的预测，保证了更好的情感一致性。为了缓解跨度枚举带来的高计算成本，我们提出了一种双通道的跨度修剪策略，结合方面术语提取(Aspect Term Extraction, a TE)和意见术语提取(Opinion Term Extraction, OTE)任务的监督。该策略不仅提高了计算效率，而且能更恰当地区分意见和目标跨度。我们的框架同时实现了对ASTE以及ATE和OTE任务的强大性能。特别是，我们的分析表明，我们的广度级方法在带有多单词目标或意见的三胞胎上取得了比基线更显著的改进。

代码实战

说明：代码是直接借鉴的原作者的源代码，没有自己动手实现，仅做复现之用，对代码理解都是个人意见，有错误请指正。