SAGCN: Una red de atención de grafos multirrama consciente de la sintaxis con sesgo estructural para la extracción de...

Área de la Ciencia:

• Procesamiento del Lenguaje Natural
• Inteligencia Artificial
• Lingüística Computacional

Sus antecedentes:

• La extracción de tripletas de sentimiento basadas en aspectos (ASTE) es una tarea compleja de PLN.
• Los métodos ASTE existentes tienen dificultades con las representaciones contextuales y las relaciones sintácticas.
• Existe la necesidad de modelos ASTE más efectivos y eficientes.

Objetivo del estudio:

• Proponer una novedosa red de atención de grafos multirrama consciente de la sintaxis para ASTE.
• Mejorar las representaciones contextuales incorporando relaciones sintácticas.
• Mejorar la eficiencia y el rendimiento de los modelos ASTE.

Principales métodos:

• Integración de adaptadores de sesgo estructural en modelos de lenguaje preentrenados para mejorar la autoatención.
• Desarrollo de un mecanismo de atención consciente de la sintaxis que considera los tipos de dependencia para la propagación de grafos.
• Diseño de una capa de interacción de fusión para fusionar características multirrama.

Principales resultados:

• El método propuesto mejoró significativamente la puntuación F1 promedio hasta en un 4,11% en cuatro conjuntos de datos.
• El enfoque demostró ser eficaz y eficiente, superando a los modelos de referencia.
• El modelo exhibió una buena interpretabilidad, robustez y un rendimiento de vanguardia.

Conclusiones:

• La red de atención de grafos multirrama consciente de la sintaxis es una solución muy eficaz y eficiente para ASTE.
• La incorporación de sesgos estructurales y mecanismos conscientes de la sintaxis mejora el rendimiento del modelo.
• El método propuesto representa un avance significativo en el análisis de sentimiento basado en aspectos.