Dynamic Multi-Scale Context Aggregation for Conversational Aspect-Based Sentiment Quadruple Analysis

要約

会話の側面に基づく感情の 4 重分析 (DiaASQ) は、対話内の対象、側面、意見、感情の 4 重を抽出することを目的としています。
DiaASQ では、4 つの要素が複数の発話にまたがることがよくあります。
この状況は抽出プロセスを複雑にし、会話のコンテキストと対話を適切に理解する必要性を強調します。
しかし、既存の研究では各発話を独立してエンコードしているため、長距離の会話コンテキストを捕捉するのが困難であり、発話間の深い依存関係が見落とされています。
この研究では、課題に対処するための新しい動的マルチスケール コンテキスト集約ネットワーク (DMCA) を提案します。
具体的には、まず対話構造を利用して、豊富なコンテキスト情報を取得するためのマルチスケール発話ウィンドウを生成します。
その後、動的階層集約モジュール (DHA) を設計して、それらの間のプログレッシブ キューを統合します。
さらに、モデルのパフォーマンスと汎化能力を向上させるために、多段階の損失戦略を形成します。
広範な実験結果は、DMCA モデルがベースラインを大幅に上回り、最先端のパフォーマンスを達成することを示しています。

要約(オリジナル)

Conversational aspect-based sentiment quadruple analysis (DiaASQ) aims to extract the quadruple of target-aspect-opinion-sentiment within a dialogue. In DiaASQ, a quadruple’s elements often cross multiple utterances. This situation complicates the extraction process, emphasizing the need for an adequate understanding of conversational context and interactions. However, existing work independently encodes each utterance, thereby struggling to capture long-range conversational context and overlooking the deep inter-utterance dependencies. In this work, we propose a novel Dynamic Multi-scale Context Aggregation network (DMCA) to address the challenges. Specifically, we first utilize dialogue structure to generate multi-scale utterance windows for capturing rich contextual information. After that, we design a Dynamic Hierarchical Aggregation module (DHA) to integrate progressive cues between them. In addition, we form a multi-stage loss strategy to improve model performance and generalization ability. Extensive experimental results show that the DMCA model outperforms baselines significantly and achieves state-of-the-art performance.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google