作者：Qihuang Zhong, Liang Ding, Juhua Liu,等

简介：基于方面的情感分析（ABSA）是情感分析的细粒度任务。为了更好地理解长而复杂的句子并获得准确的特定方面信息，此任务通常需要语言和常识知识。然而，大多数方法采用复杂且低效的方法来结合外部知识，例如直接搜索图节点。此外，外部知识和语言信息之间的互补性尚未得到深入研究。为此，作者提出了一种知识图增强网络：KGAN，旨在有效地将外部知识与明确的句法和上下文信息相结合。特别是，KGAN 从多个不同的角度捕获情感特征表示，即基于上下文、基于语法和基于知识。首先，KGAN 并行学习上下文和句法表示，以充分提取语义特征。然后，KGAN 将知识图谱整合到嵌入空间中，在此基础上，通过注意力机制进一步获得特定于方面的知识表示。最后，作者提出了一个分层融合模块，以局部到全局的方式补充这些多视图表示。在三个流行的 ABSA 基准上进行的大量实验证明了作者 KGAN 的有效性和稳健性。值得注意的是，在 RoBERTa 的预训练模型的帮助下，KGAN 创造了最先进性能的新记录。

论文下载：https://arxiv.org/pdf/2201.04831.pdf

内容中包含的图片若涉及版权问题，请及时与我们联系删除