pdf: https://www.aclweb.org/anthology/2020.acl-main.339.pdf
概述：
- 当前有监督的方面术语抽取（Supervised Aspect Term Extraction）基于序列标注（B/I/O）的形式实现。模型对词语标记之后还有一个组合的过程，即B开头加上后面连续的I标记的词语序列作为预测的“方面术语Aspect Term”，这存在边界错误的问题。
- 提出用指针网络（Pointer Network）来重新定位边界。
方法：
- 找出候选：采用序列标注方法，基于BiLSTM+Sefl-Attention+CRF框架，来获取候选方面术语。Loss Function如下：
- 基于指针网络的术语边界重新定位：给定候选方面术语和包含该候选的句子，输出术语首词和术语末词。候选方面术语可以是错误预测的术语，真实术语，也可以是其他文本。
Encoding：设是候选方面（包含n个词），
是包含
的句子（包含m个词）：
词向量初始化，其他分隔符等随机初始化，然后用BERT来微调
Decoding：
Loss Function: 真实方面个数，
真实方面术语首词和末词。
- 负例搜集：与真实方面术语部分重合的文本
正负例展示
实验结果：
