CCIIP实验室2020级研究生梁硕同学（2020年9月入学，导师：魏巍）论文“BiSyn-GAT+: Bi-Syntax Aware Graph Attention Network for Aspect-based Sentiment Analysis（作者：梁硕，魏巍，毛先领，王飞，何智勇）”被第60届自然语言处理领域顶级国际会议（60th Annual Meeting of the Association for Computational Linguistics, Dublin, Germany，ACL2022，NLP领域的知名会议）作为Findings长文全文录用。 第60届国际人工智能大会（ACL2022）计划于2022年5月22日-5月27日在德国都柏林召开。ACL是CCF推荐的A类国际学术会议，在自然语言处理领域享有很高的学术声誉。
内容简介：基于方面的细粒度情感分析(Aspect-based sentiment analysis, ABSA) 目的是对文本中出现的方面进行情感极性推断，当文本中包含多个方面或具有复杂的关系（如转折、并列等）时，该任务具有挑战性。目前工作广泛引入句法信息（依赖树）帮助模型进行预测，但是依赖树中存在一些噪音，如跨子句的不相关的关联（如图1中great和dreadful之间的conj关系），因此严重依赖于依赖树信息会为方面词与情感之间的对齐造成挑战。为了缓解这个问题，本文提出一个双句法感知的图注意力网络（如图2）。具体而言，该模型充分利用短语树的语法信息（如短语分割和层次结构），建模单一方面的情感感知信息（称为intra-context) 和方面间的情绪关系（称为inter-context）。同时，我们还探索两种句法信息（短语树和依赖树）的有效融合方式，并进行蒸馏实验验证该方法的有效性。我们提出一种方面关系图构建方式（称为Aspect-Context Graph），显式利用短语分割项（如but, and等）捕捉方面之间的关系。在基准数据集上的实验表明我们的模型超越现有的SOTA模型。
图1 依赖树示例
图2 BiSyn-GAT+模型框架