跨域迁移不减精度
用外部语义词典构造S-Graph并提取语义主知识，通过AoaGraphormer和知识感知记忆单元，在不损失性能的情况下实现跨领域迁移的基于方面的情感分类。
Zhang, Bowen · 傅向华 · Chuyao, Luo · 叶允明 · 李旭涛 · Liwen, Jing
IEEE Transactions on Affective Computing 2023
利用外部语义词典构建S-Graph并提取语义主知识，作为跨域迁移的桥梁，使模型能够从语义层面捕捉领域不变特征。
AoaGraphormer被设计用于学习与方面词相关的句法词，从而增强对情感表达中依赖关系的建模。
通过向biLSTM单元中引入知识感知记忆单元（KAMU），将语义主知识充分融入情感分类器。