.png){kind=icon}
返回
Aspect sentiment learning for Aspect-Level Sentiment Classification
.png){kind=icon}
PRE
AI
DOI：10.1016/j.neunet.2025.107758.png)
.png){kind=icon}
原文求助.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
方面级情感分类（ALSC）是一种细粒度的情感分析（SA）任务，旨在确定句子对不同方面的情感。尽管现有方法取得了显著成功，但大多数方法从单个句子中提取方面情感语义，忽视了相关句子之间的相互关系，而这些关系可能提供对方面情感语义更全面的了解。为此，我们提出了AspLearn，一种方面学习方法，用于优化方面情感语义，并为ALSC任务生成更鲁棒的方面特定句子特征。简而言之，AspLearn采用方面感知对比学习（AspCL）从相关样本中挖掘有价值的方面相关知识，从而优化方面情感语义并提升模型性能。AspLearn是一种简单而有效的方法，其卓越的方面学习能力通过在三个基准数据集上的广泛实验得到证实。值得注意的是，使用DeBERTa作为骨干网络的AspLearn，在Laptops、Restaurants和Twitter数据集上分别实现了比次优结果高出3.13%、0.76%和1.07%的Macro F1分数提升。此外，AspLearn的机制能够为大型语言模型（LLMs）检索最相关的示例，增强其情感识别能力。
期刊
IF:
6.3
论文数:
8.2K
被引数:
3.0W
机构
暂无机构信息
引用论文
A public and large-scale expert information fusion method and its application: Mining public opinion via sentiment analysis and measuring public dynamic reliability.png)
INFORMATION FUSION
INFORMATION FUSIONIF15.5
PREAI
分享收藏Aspect-Context Level Information Extraction via Transformer Based Interactive Attention Mechanism for Sentiment ClassificationIEEE ACCESS
OAAI
IEEE ACCESSIF3.6
OAAI分享收藏CRF-GCN: An effective syntactic dependency model for aspect-level sentiment analysisCrf-gcn: 用于方面级情感分析的有效句法依赖模型
PREAI
分享收藏
查看更多内容