A Joint Training Dual-MRC Framework for Aspect Based Sentiment Analysis

文章概述

该篇文章针对于ASTE任务（联合提取文本中的方面、意见词和情感三元组），构建了两个机器阅读理解任务，并通过并通过联合训练两个具有参数共享的 BERT-MRC 模型来解决所有子任务。

数据集处理

使用MRC处理自然语言文本很重要的一步是对于目标进行问题构建（跟BIO标注的思想类似）。作者处理的方式为左MRC构建的询问“Find the aspect terms in the text.”，右侧MRC框架构建的询问“Find the sentiment polarity and opinion terms for AT in the text.” AT代表aspect term。

模型框架

作者提出的模型图如下图

左侧MRC框架主要负责AT（方面词提取）任务的处理，右侧MRC负责AOE（观点词提取）和SC（情感分类）。具体流程如下所示：

总结

该作者提出的模型有效的避免了基于token分类任务BIO标注较为复杂而且容易出现情绪不一致（在作者列举的AESC问题里有写）的问题，而且通过双句的输入可以更加有效的利用BERT模型的优势，但遗憾的是这篇文章并没有给出源码。
文章地址：A Joint Training Dual-MRC Framework for Aspect Based Sentiment Analysis