Triple GNNs: Introducing Syntactic and Semantic Information for Conversational Aspect-Based Quadruple Sentiment Analysis

要約

会話的アスペクトベース感情分析 (DiaASQ) は、与えられた対話から 4 つの要素 \{ターゲット、側面、意見、感情の極性\} を検出することを目的としています。
DiaASQ では、これらの 4 つの要素を構成する要素は必ずしも個々の文に限定されるわけではなく、対話内の複数の発話にまたがる場合があります。
これには、個々の発話の構文情報とそれらの間の意味的相互作用の両方に二重の焦点を当てる必要があります。
しかし、これまでの研究は主に発話間の大まかな関係に焦点を当てており、詳細な発話内の構文情報や発話間の関係の粒度の潜在的な利点が見落とされていました。
このペーパーでは、DiaAsQ を強化するための Triple GNN ネットワークを紹介します。
発話内の構文依存関係をモデル化するためにグラフ畳み込みネットワーク (GCN) を採用し、発話間の対話を構築するためにデュアル グラフ アテンション ネットワーク (DualGAT) を採用しています。
2 つの標準データセットでの実験により、私たちのモデルが最先端のベースラインを大幅に上回っていることが明らかになりました。
コードは \url{https://github.com/nlperi2b/Triple-GNNs-} で入手できます。

要約(オリジナル)

Conversational Aspect-Based Sentiment Analysis (DiaASQ) aims to detect quadruples \{target, aspect, opinion, sentiment polarity\} from given dialogues. In DiaASQ, elements constituting these quadruples are not necessarily confined to individual sentences but may span across multiple utterances within a dialogue. This necessitates a dual focus on both the syntactic information of individual utterances and the semantic interaction among them. However, previous studies have primarily focused on coarse-grained relationships between utterances, thus overlooking the potential benefits of detailed intra-utterance syntactic information and the granularity of inter-utterance relationships. This paper introduces the Triple GNNs network to enhance DiaAsQ. It employs a Graph Convolutional Network (GCN) for modeling syntactic dependencies within utterances and a Dual Graph Attention Network (DualGATs) to construct interactions between utterances. Experiments on two standard datasets reveal that our model significantly outperforms state-of-the-art baselines. The code is available at \url{https://github.com/nlperi2b/Triple-GNNs-}.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google