近日，吉林大学未来科学国际合作联合实验室人工智能团队研究成果“Eliminating Sentiment Bias for Aspect-Level Sentiment Classification with Unsupervised Opinion Extraction ”被CCF B类会议EMNLP 2021 接收。该研究致力于方面级情感分类，考虑到现有方面级情感分类遭受的情感偏见问题和可解释性丧失问题，提出了一种基于文本跨度的反情感偏见的方面词表示学习框架（SARL）。利用方面词的先验情感进行对抗学习来消除方面词嵌入表示中的情感偏见。通过基于文本跨度的依赖关系建模来将意见词和与其对应的经过蒸馏学习得到的候选意见词进行对齐，实现了无监督意见词抽取，并为方面级情感分类提供可解释性。本文中提出的方法在5个数据集上实现了领先的性能，且具备无监督意见词抽取的能力，能够有效的解决方面级情感分类任务，并为分类结果提供可解释性。

图：基于文本跨度的反情感偏见方面词表示学习框架（SARL）

论文第一作者为吉林大学人工智能学院硕士研究生王博，通讯作者为吉林大学人工智能学院常毅教授。

EMNLP（Conference on Empirical Methods in Natural Language Processing）是计算语言学和自然语言处理领域的顶级国际会议，由ACL SIGDAT（语言学数据特殊兴趣小组）主办，每年举办一次，Google Scholar计算语言学刊物指标中排名第二。