近日，我中心吴清强教授团队的一篇论文被Neural Networks期刊录用。Neural Networks是国际著名的学术期刊，专注于神经网络及深度学习领域的前沿研究，在CCF学术推荐列表中认定为B类期刊。
论文题目：Aspect Sentiment Learning for Aspect-Level Sentiment Classification。论文由我中心的简忠权博士、李嘉健硕士、王美红老师、姚俊峰老师和吴清强老师合作完成。
属性级情感分类（ALSC）是一项细粒度的情感分析任务，旨在判别评论文本对不同属性的情感。尽管现有方法取得了显著成功，但大多数方法依赖单文本的训练方式，推导出属性情感语义，忽略了相关文本之间的相互关系，而这些关系能够提供对属性情感语义更全面的理解。为此，本文提出了AspLearn，这是一种属性学习方法，旨在优化属性情感语义，并为ALSC任务生成更稳健的属性特征。具体地，AspLearn引入属性感知对比学习（AspCL）模块，从与属性相关的样本中挖掘有价值的属性知识，从而优化属性情感语义并提升模型性能。AspLearn是一种简单而有效的方法，其卓越的属性学习能力在三个基准数据集上的大量实验中得到证实。值得注意的是，使用DeBERTa作为骨干模型的AspLearn在Laptops、Restaurants和Twitter数据集上的Macro F1分数分别比现有方法的性能提高了3.13%、0.76% 和1.07%。此外，AspLearn能够用于检索最相关的演示示例，增强使用大型语言模型（LLMs）进行情感识别的性能。
