[論文レビュー] First Target and Opinion then Polarity: Enhancing Target-opinion Correlation for Aspect Sentiment Triplet Extraction

Lianzhe Huang, Peiyi Wang+6 more|arXiv (Cornell University)|Feb 17, 2021

Sentiment Analysis and Opinion Mining参考文献 26被引用数 28

ひとこと要約

論文は、まずターゲットと意見を抽出し、次に制限付きアテンションを用いた知覚可能なターゲット-オピニオンペアを用いて並列にトリプレットの極性を決定する2段階のASTEフレームワークを提案し、複数のASTEデータセットで最先端の結果を達成します。

ABSTRACT

Aspect Sentiment Triplet Extraction (ASTE) aims to extract triplets from a sentence, including target entities, associated sentiment polarities, and opinion spans which rationalize the polarities. Existing methods are short on building correlation between target-opinion pairs, and neglect the mutual interference among different sentiment triplets. To address these issues, we utilize a two-stage framework to enhance the correlation between targets and opinions: at stage one, we extract targets and opinions through sequence tagging; then we append a group of artificial tags named Perceivable Pair, which indicate the span of a specific target-opinion tuple, to the input sentence to obtain closer correlated target-opinion pair representation. Meanwhile, we reduce the negative interference between triplets by restricting tokens' attention field. Finally, the polarity is identified according to the representation of the Perceivable Pair. We conduct experiments on four datasets, and the experimental results show the effectiveness of our model.

研究の動機と目的

• 従来法におけるターゲット-オピニオン相関の弱さを解決することでASTEの動機づけを行う。
• 2段階のフレームワークを提案: (1) ターゲットと意見を抽出; (2) ターゲット-オピニオン-タプルを意識した表現を用いて極性を判定。
• 入力に知覚可能なペアを付加し制限付きアテンションを適用することでターゲット-オピニオン結合を強化し、トリプレット間の干渉を低減。
• ASTE-DATA-V2上で4データセットにわたり有効性を示し、多-to-one / 複数トリプレットのような複雑な場面での利点を示す。

提案手法

• Stage 1は、文からターゲットとオピニオンを同時に抽出するBERTベースのタグ付けモデルを用いる。
• Stage 2は可能なすべてのターゲット-オピニオンペアを知覚可能なペアとして列挙し、それらを入力に付加してペア対応表現を形成する。
• 複合計算方式は、すべての知覚可能ペアを1つのシーケンスに連結して効率的なエンコードを可能にする。
• 知覚可能ペアは位置埋め込みを共有してスパン境界を示し、元の入力とペアトークンを分離するために異なるセグメントIDを使用する。
• 制限付きアテンション領域は各知覚可能ペアのアテンションを自身の文脈に限定し、他のペアからの干渉を減らす。
• BERTベースのエンコーダは T-B/T-E と O-B/O-E を連結して r_ij を形成することでペア表現を生成し、それを用いて 4-class の極性/マッチ予測 (POS, NEU, NEG, O) を行う。

実験結果

リサーチクエスチョン

• RQ1 2段階の抽出-ペアリングアプローチは、エンドツーエンドやタグ付けのみの手法よりASTEの性能を向上させられるか？
• RQ2 知覚可能ペアと制限付きアテンションは、ターゲット-オピニオンの結合を効果的に強化し、トリプレット間の干渉を低減するか？
• RQ3 提案手法は、many-to-one や文ごとに複数のトリプレットといった複雑な場面でどう機能するか？
• RQ4 標準エンコーダ（例：BERT）でASTE-DATA-V2データセットに対して手法はスケーラブルか？

主な発見

モデル	14Rest P	14Rest R	14Rest F1	14Lap P	14Lap R	14Lap F1	15Rest P	15Rest R	15Rest F1	16Rest P	16Rest R	16Rest F1
元のフレームワーク	63.59	73.44	68.16	57.84	59.33	58.58	54.53	63.30	58.59	63.57	71.98	67.52
私たちの手法	63.59	73.44	68.16	57.84	59.33	58.58	54.53	63.30	58.59	63.57	71.98	67.52

• 本手法は14Lapと16Restデータセットで最先端の結果を達成し、14Restでは最先端には及ばないがそれに近い。一方、4つのデータセット全体で平均的にベースラインを上回る。
• アブレーションにより、知覚可能ペア、開始/終了タグ、制限付きアテンションが性能向上に不可欠であることが示された。
• 多-to-oneおよびマルチトリプレットのケースをより適切に扱い、複雑な文では性能差が大きくなる。
• OTE-MTLと比較して、提案手法は全ての可能なペアを評価することで単一表現に依存するよりターゲット-オピニオンの相関をよりよく捉える。
• 定性的分析は、知覚可能ペアが極性予測に真に有益なトークンへ注意を集中させることを示している。