你好，我试验了你们的这个多任务学习模型，有一些问题想请教。
zhujinqiu opened this issue · 3 comments
模型在预测时候，对于方面Aspect term的抽取效果很好，但是对于语句话如果有多个aspect，且他们情感极性相反时，他的预测情感极性就会出错。我实验了很多次。比如我输入的测试句子明显带有正负向的情感倾向，如'the staff was so nice to us ,But the service was bad ',他返回的一直都是同一个情感倾向： 'aspect': ['staff', 'service'] ；'sentiment': ['Negative', 'Negative']。除了我自己训练的模型，你们预训练好的模型我也试过，针对这种情况很难预测出一句话包含多个aspect且有相反情感极性的句子。请问这个问题如何解决。
简而言之，多任务模型采用bert-base预测模型，也就是所有的aspect输出的极性都是这个sentence的全局极性。我把bert_spc在预测极性阶段启用了，但是spc在训练时并没有启用，所以存在一定矛盾。你可以升级到1.6.11版本测试效果。如果追求分类效果，请关注其他APC专用模型，例如https://paperswithcode.com/sota/aspect-based-sentiment-analysis-on-semeval 上的模型，或者PyABSA提供的其他模型
@yangheng95 好的，还有我发现了一个bug,我跑debug的时候发现的，你们这里 aspect_tokens = example.text_b[:]输出的结果不是aspect token，比如第一个句子"the staff is horrible to us",你们这行代码输出的是[“the" ",staff” ]并不是['staff']，这就导致后面的text_left, _, text_right（206行）输出的结果都不对，还有204行代码也有问题aspect = ' '.join(example.text_b)这个输出不是aspect字符串。
我后来对你们的代码进行了调整：
aspect_tokens = [example.text_b[-1]]#这个对单个aspect词可以，但如果aspect包含多个token不知道行不行
aspect = example.text_b[-1] #同上，我这边取-1可能不太好（对于多个token的aspect可能有问题）
你们可以debug试试，你们这边代码输出的有问题，不知道我这样改的对不对，但按我这样，后面的text_left, _, text_right都能识别出。。。