多任务句法增强情感分析策略提出

1. 01:19
   arXiv · cs.CL

   用多任务学习与句法增强做情感极性分类

   研究提出两种在统一多任务学习框架下把句法知识注入神经情感分析模型的策略：Standard-MTL 用共享编码器加两个任务头联合学习依存句法（序列标注）与情感极性分类，Contrastive-MTL 则通过对比辅助目标和句法偏置注意力池化提供隐式句法引导，训练时依赖句法标注、推理时无需外部解析器。在覆盖七种语言的 11 个数据集上，采用 relative 编码时 Contrastive-MTL 在 11 个数据集中的 10 个上优于无句法基线，并在 SELSP 适用的全部 6 个数据集上超过该推理时解析的规则流水线，评测速度快 1.5–9 倍。

趋势仅比较持续完整观测到的相同主体，范围可能小于当前热度统计。移动指针或点击图表查看每小时热度；键盘可用左右方向键切换。