Supervised attention method with co-reference resolution for aspect extraction

doi:10.1038/s41598-026-52992-9

Supervised attention method with co-reference resolution for aspect extraction

2026-05-16

0

OA

AI

DOI：10.1038/s41598-026-52992-9

原文链接

查看原文

摘要

En 中文

基于方面的评论文本情感分析（ABSA）由于跨多句方面的评估存在上下文依赖性，仍然是一个具有挑战性的问题。大多数现有方法孤立地执行方面提取，限制了它们在复杂、多句（M-S）评论中捕捉对齐语义和多词（M-W）方面术语的能力。此外，基线和近期方法在建模长距离上下文依赖关系方面存在困难，导致方面识别不完整或碎片化。为解决这些局限性，本文提出了一种监督分层注意力模型以增强方面术语检测。所提出的模型在ABSA之前集成了基于共指消解（CRR）的句子对齐机制，该机制解决了跨句的代词和指代表达式，为分层注意力网络（HAN）生成语义对齐的输入。这一预处理步骤增强了上下文连贯性，使HAN中的词级和句级注意力机制能够更有效地捕获多句评论中的方面相关信息。此外，使用语义上下文增强的词向量学习上下文表示，然后通过序列标记的标注数据在HAN中进行处理。在SemEval-16基准数据集上的实验表明，所提出的模型在Laptop和Restaurant领域中始终优于强大的基线和最新方法。实验评估显示，所提出的模型在笔记本电脑和餐厅评论数据集上分别比AspectGCN提高F值2.77%和3.52%，比IDGNN+BERT提高4.16%和2.32%。结果表明，引入CRR模块比HAN基线额外提升了3-4%的增益，增强了针对多句评论的上下文感知和语义对齐建模在方面术语提取（ATE）中的有效性。

Keyword:

Aspect-based sentiment analysis

Aspect term extraction

Hierarchical attention network

Co-reference resolution

Multi-sentence reviews

Supervised attention method with co-reference resolution for aspect extraction

摘要

AI总结

期刊

机构

引用论文