SMP 2022 情感分析论坛

论坛概况

论坛时间：8月21日16:00-18:00

论坛简介：情感分析算法自动从文本中抽取情感信息，是自然语言处理长期关注的重要问题。近年来，随着深度学习技术的发展，情感分析水平取得大幅提升。在情感分类任务性能不断饱和的条件下，当前研究领域更加关注细粒度情感分析以及情感分析的泛化性等挑战。本次论坛专注于这两个主题，介绍包括预训练等技术在内的细粒度情感分析方法，以及情感分析的可解释性泛化性等问题。

论坛安排：

时间	内容	主持人
16:00-16:30	A Comprehensive Review on Aspect-Based Sentiment Analysis: Tasks, Methods, and Challenges 邴立东阿里巴巴达摩院语言技术实验室多语言NLP团队负责人	张岳西湖大学教授
16:30-17:00	基于生成模型的文本情感分析王中卿苏州大学副教授
17:00-17:30	面向领域泛化性的深度情感分析杨敏中国科学院深圳先进技术研究院副研究员
17:30-18:00	基于对比事例增强的可解释可通用情感分析杨林易西湖大学文本智能实验室博士后

论坛主席：张岳（西湖大学教授）

主席简介：西湖大学教授。主要研究领域为自然语言处理、文本挖掘、机器学习等。研究成果包括自左向右处理文本的结构预测算法、多任务融合学习的联合模型、语言处理领域的创新，神经网络算法(包括图神经网络)、自然语言处理和人类常识以及推理研究。著有剑桥大学出版社《natural language processing》。发表国际期刊论文50余篇，CCF列表 A、B 类国际会议论文二百余篇。担任CCL 2020、EMNLP 2022等语言处理国内外顶级会议程序委员会主席( PC cochair)。获CCF2018中文计算与自然语言处理青年新锐奖、SemEval2020 Honorable Mention、COLING2018和IALP2017最佳论文奖等奖项。

张岳西湖大学教授

论坛嘉宾

邴立东卡内基梅隆大学博士后

报告主题：A Comprehensive Review on Aspect-Based Sentiment Analysis: Tasks, Methods, and Challenges

报告摘要：To handle aspect-based sentiment analysis (ABSA) in different scenarios, various tasks have been introduced for analyzing different sentiment elements and their relations, including the aspect term, aspect category, opinion term, and sentiment polarity. Unlike early ABSA works focusing on a single sentiment element, many compound ABSA tasks involving multiple elements have been studied in recent years for capturing more complete aspect-level sentiment information. The speaker will provide a new taxonomy for ABSA which organizes existing studies from the axes of concerned sentiment elements, with an emphasis on recent advances of compound ABSA tasks. From the perspective of solutions, the speaker will summarize the utilization of pre-trained language models for ABSA, which improved the performance of ABSA to a new stage. Besides, techniques for building more practical ABSA systems in cross-domain/lingual scenarios are discussed. Finally, the speaker will review some emerging topics and discuss some open challenges to outlook potential future directions of ABSA.

嘉宾简介：邴立东，香港中文大学博士，卡内基梅隆大学博士后。现任职于阿里巴巴达摩院语言技术实验室，多语言NLP团队负责人。邴博士从事自然语言处理领域的研发工作10余年，目前研究兴趣集中于低资源NLP、情感分析、文本生成、论辩挖掘等。近年来在顶级人工智能会议及期刊上，发表论文100余篇。以副主编、领域主席、高级程序委员等身份，多次参与顶级自然语言和机器学习期刊、会议的组织和审稿工作。其团队开发的多语言NLP技术，全面赋能Lazada、Daraz等国际化电商平台，并助力阿里云出海业务拓展。

王中卿苏州大学计算机学院副教授

报告主题：基于生成模型的文本情感分析

报告摘要：文本情感分析是指分析评论文本中表达的情感倾向，抽取文本中与评论相关的属性词与情感词。目前已有的工作大多基于分类或序列标注模型从文本中抽取情感元素。但是，相关方法无法有效的获取文本的语义信息以及情感元素之间的关联。为此，最新的研究通过结合基于预训练生成模型的方式，从文本中自动生成得到相应的情感元素，从而能够有效的解决上述问题，并提升了细粒度情感分析的性能。在本次报告中，我将首先介绍目前在基于生成模型的文本情感分析上的最新进展，并介绍我们提出的文本情感关联树的生成方法。

嘉宾简介：王中卿，苏州大学计算机学院副教授，硕士生导师。主要研究领域为自然语言处理、信息抽取等。近年来主持与参与国家级项目多项。发表CCF列表A/B类国际会议与期刊论文三十余篇。

杨敏中国科学院深圳先进技术研究院副研究员

报告主题：面向领域泛化性的深度情感分析

报告摘要：当前基于深度学习的情感分析方法大多依赖于大量高质量的标注训练数据。然而，在大数据时代性，情感数据来源领域越来越广泛,人工标注成本昂贵，从而导致模型面临难以实现多领域自适应的终身情感分析的挑战。为了解决深度情感分析模型依赖大规模标注数据、缺乏领域泛化能力、具有灾难性遗忘等问题，本报告将介绍我们在跨领域情感分析、少样本情感分析、终身情感分析三个方面的研究，旨在让情感分析模型像人类一样持续学习，从而实现领域泛化的效果。

嘉宾简介：杨敏，中国科学院深圳先进技术研究院副研究员，博士生导师，中国科学院青年创新促进会成员, 深圳市海外高层次人才，入选美国斯坦福大学发布的2021全球前2％顶尖科学家和百度发布的2022年度AI华人青年学者榜单。长期从事自然语言处理相关研究，在顶会顶刊上发表学术论文100余篇，引用超过3800次。担任ACL-2021/2022、EMNLP-2021、NAACL-2022、COLING-2022、NeurIPS-2022等知名会议的领域主席。获得中国人工智能学会2018年度最佳青年科技成果奖、2019年度CCF-腾讯犀牛鸟基金优秀专利奖等。

杨林易西湖大学文本智能实验室博士后

报告主题：基于对比事例增强的可解释可通用情感分析

报告摘要：近些年来，包括“预训练+微调”的训练方法的革新使得深度学习在情感分析领域展现了很强大的预测能力。但是目前的深度学习方法仍然是黑匣子，并且在在模型准确性和可解释性之间存在固有的权衡。因此，在计算、心理和法律上，基于深度学习的情感分析方法需要变得更加透明、可解释。而在实际场景应用中，我们又希望其保持很高的准确率。在这次报告中，我们将讲述如何通过对比事例、人在闭环、反事实推断和因果依据实现类人学习，达到准确度和可解释性的均衡提升。值得注意的是，我们的方法在微调阶段不必再依赖于大规模数据的学习，有时仅需要50个样本的训练，模型也可取得更加可解释的推断以及更鲁棒的泛化性能。

嘉宾简介：杨林易目前是西湖大学文本智能实验室的博士后，和张岳一起工作。此前，他获得了都柏林大学的博士学位，从事自然语言处理和金融的交叉课题研究，导师是爱尔兰皇家科学院院士、爱尔兰数据科学中心主管Barry Smyth教授。他的研究兴趣在于可解释AI (eXplainable Artificial Intelligence, XAI)、小样本跨分布泛化问题、情感分析以及金融情感分析。目前为止，他以第一作者（共一）身份共发表10篇国际会议和期刊论文，其中包括5篇CCF-A长文和2篇CCF-B长文。他作为爱尔兰唯一一个获奖者荣获2021年国家优秀自费留学生奖学金（特别奖，全球共50名），同时获得2018年CCIS会议的最佳论文提名奖。