一种用于方面情感四元组预测的最优意见树生成方法

使用对比学习来增强树结构表示是将树结构应用于方面级情感分析(ABSA)的主流方法,但该方法本质上依赖于数据增强,而对原始文本应用数据增强可能会删除与下游预测相关的语义信息且难以获得最优结构。为解决上述问题,提出一种用于方面情感四元组预测(ASQP)的结构熵约束的最优意见树生成方法,该方法通过文本编码器和直接生成正样本的结构编码器实现。结构编码器以意见树嵌入为输入,利用结构熵最小化原理提取意见树中固有的本质信息,并通过表示学习将该信息注入到文本表示中。在2个常见数据集上进行的实验验证了该方法的优越性。