BART驱动的跨领域方面词与情感词联合抽取方法

摘要

跨领域方面级情感分析面临目标领域标注数据不足以及不同领域间文本特征差异带来的领域适应问题.为此，本文提出一种基于BART的跨领域数据增强框架，利用大语言模型结合源领域的语义信息，为目标领域生成高质量的标注数据，以解决数据短缺问题.首先，采用BERT-BiLSTM-CRF架构结合Transformer编码器，为目标领域的未标注数据分配伪标签.其次，提取不同领域标注数据和伪标注数据的特定领域特征，并对其进行掩码处理，构建与领域无关的数据.随后，利用预训练BART模型生成既连贯又准确的目标领域数据，同时通过引入熵最小化过滤器提升生成数据的质量与一致性.在三个公开数据集上的实验结果表明，所提框架在性能上显著优于多种基准方法和其他数据增强技术.

关键词

跨领域方面级情感分析 / 数据增强 / 无监督域适应 / BART