论文阅读-USSA: A Unified Table Filling Scheme for Structured Sentiment Analysis

论文来自2023ACL，原文：

https://aclanthology.org/2023.acl-long.802/

contribution:(来自原文)

1.提出了一种双词法依赖解析图，并将其转换为统一的二维表格填充方案USSA，解决了SSA中重叠和不连续的核心问题。

2.提出了一个有效的模型，与USSA方案很好地合作，利用提出的双轴注意模块，以更好地捕捉表中关系的相关性。

我的关注点：

1.Table Filling Scheme

word-pair之间的关系被分成了两大类13种，

 表格分成了上三角和下三角，上三角表示Token Extraction(TE)，下三角表示Relation Prediction(RP)。

之前看到ASTE中，很多都使用对称的GTS，或者GTS的衍生。但是，在本文中，上三角表示的是完整的holder, target和expression，即Relation Prediction(RP)。下三角表示的是holder和target分别对应着哪个expression，并表示出了expression代表的是什么情感。

思考：若是远距离的否定句，是否可行呢？

2.Word-pair Representation Layer

利用Conditional Layer Normalization(CLN)表示word-pair，

3.Bi-Axial Attention Module

关于轴向注意力（axial attention） :

Axial Attention 和 Criss-Cross Attention及其代码实现-CSDN博客