A Joint Training Dual-MRC Framework for Aspect Based Sentiment Analysis

• 前言
• 一、摘要及引言
• • 1.1 摘要
  • 1.2 本文贡献
• 二、模型搭建
• • 1. 模型示意图
  • 2.MRC Dataset Conversion
• 实验
• 总结

前言

一、摘要及引言

1.1 摘要

• 解决什么问题？
    解决了基于方面情感分析中的aspect term extraction、opinion term
  extraction、aspect-level sentiment classification联合训练的问题。
• 用了什么方法？
    构建了两个机器阅读理解(MRC)问题，并通过参数共享的BERT-MRC模型联合训练来解决所有子任务。
• 达到了什么效果？
    在这些子任务上进行了实验，在几个基准数据集上的结果证明了我们提出的框架的有效性，显著优于现有的先进方法。

1.2 本文贡献

1. 证明了三重提取任务可以用三个目标联合训练
2. 提出了一个双mrc框架，可以处理ABSA中的所有子任务
3. 实验结果表明，该方法的性能优于现有方法
   

二、模型搭建

1. 模型示意图

  左边部分的目标是从给定文本中提取所有的AT，即taskAE；右边部分的目标是提取所有OTs，并找到与给定的特定AT相关的情感极性。

2.MRC Dataset Conversion

  如图3所示，在将原始三重注释输入联合训练双mrc模型之前，必须对其进行转换。表一是处理过程。

实验

总结

  文中表述可能会有不准确的地方，请多多指教。