银河官网NLP团队在SCI三区期刊上发表最新研究成果

2021年8月30日，yh533388银河“自然语言处理与智能软件”研究团队（简称：NLP团队），在团队负责人yh533388银河曾碧卿教授的带领下，在学术期刊《The Journal of Supercomputing》上发表了一篇题为“Learning for Target-dependent Sentiment based on Local Context-aware Embedding”的研究成果论文。

《The Journal of Supercomputing》是中科院SCI三区学术期刊，同时为CCF-C类国际期刊，影响因子是2.474。该论文作者包括有：第一作者曾碧卿、计算机学院硕士研究生杨恒、yh533388银河青年教师刘帅副研究员、yh533388银河硕士研究生徐马一。

论文研究成果介绍：

方面级情感分类是情感分类的一个细粒度子任务，难度更大。为了解决方面级情感分类中重要情感信息的定位困难，该研究提出了一种基于局部上下文嵌入的局部上下文感知网络（LCA-Net）。此外，在利用分类损失优化模型的同时，提出了局部上下文预测（LCP）损失来增强模型的优化效果。

在SemEval-2014的Laptop和Restaurant数据集以及Twitter社交数据集上的实验结果表明，LCA-Net在提取局部上下文特征方面，比现有的方法有很好的性能提升。LCA-Net不依赖于特定的神经网络，具有很强的可移植性。

该研究基于LSTM、MHSA和BERT等不同的神经网络实现了LCA-Net，并证明了其可以用来增强大多数模型的方面级情感分类效果。

模型结构如下：

NLP团队在研究中，致力于提供开源代码，尽力为同行提供具有一定参考价值的研究成果与思路。

NLP团队已经在自然语言处理的情感分类领域研究中，贡献了多篇具有一定影响力的研究论文，这些学术论文的实现代码，已经被整合成开源工具，提供给所有研究者，欢迎大家体验，并提出宝贵的意见！

论文发表链接：https://link.springer.com/article/10.1007/s11227-021-04047-1

项目及源代码下载地址：https://github.com/yangheng95/PyABSA

撰稿：杨恒

审稿：陈锦辉