方面情感三元组抽取的提示增强学习网络

来源：计算机工程与应用杂志2025年第14期北京时间：

作者：李丹, 夏鸿斌, 刘渊

单位：1.江南大学 人工智能与计算机学院，江苏 无锡 214122；2.江南大学 人机融合软件与媒体技术省高校重点实验室，江苏 无锡 214122

摘要：方面情感三元组抽取在最新的研究中致力于使用边界驱动的表格填充范式，然而其在预训练中学习到的表格特征和下游设计的解码方式之间缺乏语义交互，导致表格特征需要经历频繁的语义修改以适应任务目标。为了解决这个问题，提出一个提示增强的学习网络（prompt-enhanced learning network for aspect sentiment triplet extraction，PENet）进行方面情感三元组抽取。针对下游边界驱动的解码任务构造了新颖的边界标签提示，在上游特征学习中设计了相匹配的多粒度注意力卷积模块和提示改进的变压器结构，分别稳定地学习改进后文本的语义特征及在不同情感极性下面向任务的学习提示表示，同时基于提示不断调整文本特征的学习方向，最终实现提示范式引导下的三元组抽取网络，解决了解码前特征反复修改的问题。实验结果表明，在四个公开数据集上，PENet的综合表现已经超越了现有基线模型，显著提升了三元组抽取性能。

关键词：方面情感三元组抽取,提示学习,注意力卷积