[논문 리뷰] First Target and Opinion then Polarity: Enhancing Target-opinion Correlation for Aspect Sentiment Triplet Extraction

Lianzhe Huang, Peiyi Wang외 6명|arXiv (Cornell University)|2021. 02. 17.

Sentiment Analysis and Opinion Mining참고 문헌 26인용 수 28

한 줄 요약

본 논문은 먼저 대상과 의견을 추출하고, 제한된 주의를 가진 지각 가능한 대상-의견 쌍을 사용하여 트리플 극성을 공동으로 결정하는 두 단계 ASTE 프레임워크를 제안하며, 여러 ASTE 데이터셋에서 최첨단 성능을 달성한다.

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.

연구 동기 및 목표

• 이전 방법에서 약한 대상-의견 상관관계를 해결하기 위해 ASTE를 제시한다.
• 두 단계 프레임워크를 제안한다: (1) 대상과 의견을 추출하고; (2) 대상-의견-쌍 인식 표현을 사용하여 극성을 판단한다.
• 입력에 지각 가능한 쌍을 첨가하고 제한된 주의를 적용하여 대상-의견 결합을 강화하고 트립릿 간 간섭을 줄인다.
• 네 개 데이터셋에 걸친 ASTE-DATA-V2에서 효과를 보여주고, 다대일/다수 트립릿과 같은 복합 시나리오에서의 이점을 제시한다.

제안 방법

• Stage 1은 문장에서 대상과 의견을 공동으로 추출하기 위해 BERT 기반 태깅 모델을 사용한다.
• Stage 2는 모든 가능한 대상-의견 쌍을 지각 가능한 쌍으로 열거하고 이를 입력에 첨가하여 쌍 인식 표현을 형성한다.
• 복합 계산 방식은 모든 지각 가능한 쌍을 하나의 시퀀스로 연결하여 효율적인 인코딩을 가능하게 한다.
• 지각 가능한 쌍은 위치 임베딩을 공유하여 구간 경계를 나타내고, 원래 입력과 쌍 토큰을 구분하기 위해 서로 다른 세그먼트 ID를 사용한다.
• 제한된 주의 필드는 각 지각 가능한 쌍의 주의를 자신의 맥락으로 한정하여 다른 쌍의 간섭을 줄인다.
• BERT 기반 인코더는 T-B/T-E와 O-B/O-E를 연결하여 r_ij를 형성하고 이를 4-클래스 극성/매칭 예측(POS, NEU, NEG, O)에 사용한다.

실험 결과

연구 질문

• RQ1 두 단계 추출-쌍 방법이 엔드투엔드 또는 태깅 전용 방법보다 ASTE 성능을 향상시킬 수 있는가?
• RQ2 지각 가능한 쌍과 제한된 주의가 대상-의견 결합을 효과적으로 강화하고 트립릿 간 간섭을 줄이는가?
• RQ3 제안된 방법이 다대일이나 문장당 다수의 트립릿과 같은 복합 시나리오에서 어떻게 동작하는가?
• RQ4 표준 인코더(예: BERT)로 ASTE-DATA-V2 데이터셋에서 이 접근법의 확장성이 있는가?

주요 결과

• 본 방법은 14Lap과 16Rest 데이터셋에서 최첨단 결과를 달성하고 14Rest에서도 최첨단에 근접하며, 네 가지 데이터셋에서 평균적으로 베이스라인을 능가한다.
• 제거 연구는 지각 가능한 쌍과 그 시작/종료 태그, 그리고 제한된 주의가 성능 향상에 결정적임을 보여준다.
• 다대일 및 다중 트립릿의 경우를 더 잘 처리하며, 복잡한 문장에서 성능 차이가 더 크게 나타난다.
• OTE-MTL과 비교하여 제안된 방법은 단일 표현에 의존하기보다 모든 가능한 쌍을 평가함으로써 대상-의견 상관관계를 더 잘 포착한다.
• 정성적 분석은 지각 가능한 쌍이 극성 예측에 진정으로 정보를 제공하는 토큰에 주의를 집중시키는 데 도움이 됨을 보여준다.