研究组博士生梁斌论文获CIKM 2020录用

2020年7月17日,研究组博士生梁斌的论文《Aspect-Invariant Sentiment Feature Learning: Adversarial Multi-task Learning for Aspect-Based Sentiment Analysis》获国际顶级会议29th ACM International Conference on Information and Knowledge Management(CIKM-2020)录用为长文发表。

该工作的核心观点是在方面(aspect)级别的情感分析任务中,文本情感极性的表达可归类为aspect相关(句子的情感表达需要依赖于特定aspect才能体现出来)和aspect无关(无论针对哪个aspect,句子的情感表达都不会改变)两种情感表达方式。一般来说,目前的研究方法大多数着眼于如何更好地提取aspect相关的情感特征。但是在实际数据集中,存在着大量aspect无关的样例句子,即替换样例中的aspect,情感极性也不会有任何变化。于是,在处理方面级别情感分析时,如何判断一个文本的表达方式是否aspect相关也是同样重要的。尤其是在缺少标注语料时,如何通过共享aspect无关的特征信息来提高这个任务的性能,也是需要考虑的问题。基于此,该工作的思路是,使用随机替换aspect词语的方式生成伪训练样例,然后将真实样例和伪样例输入到判别器,判断样例是来自生成样例还是真实样例。由于两类样例分布的特点,这一判别器天然地倾向于将aspect无关的伪样例数据判别为真实数据。基于此该工作使用一个门控机制接收判别器的输出特征,用于调整最后于情感表达加权时aspect的权重。即:对于aspect无关的特征表达,仅需使用简单的分类就可以预测对应的结果;对于aspect相关的样例,才需要使用特定aspect的特征进行分类。

CIKM成立于1992年,是信息检索和数据挖掘领域的国际顶级学术会议,在中国计算机学会推荐会议列表中被列为B类会议。

论文信息:

Bin Liang, Rongdi Yin, Lin Gui*, Jiachen Du, Yulan He, Ruifeng Xu*. Aspect-Invariant Sentiment Feature Learning: Adversarial Multi-task Learning for Aspect-Based Sentiment Analysis. Proceedings of CIKM 2020.

 

 

 

 

发表评论