2020年6月7日，華南師范大學軟件學院“自然語言處理與智能軟件技術”研究團隊（簡稱：NLP團隊），在團隊負責人曾碧卿教授帶領下，在SCI期刊Journal of Intelligent & Fuzzy Systems上，錄用了一篇研究論文《Multi-task Learning Model for Aspect Term Extraction and Aspect Polarity Classification Based on Dual-Labels》。Journal of Intelligent & Fuzzy Systems是中科院四區(qū)的SCI學術期刊，該期刊的影響因子是1.637，屬于“計算機科學”大類學科和“計算機：人工智能”小類學科。論文作者包括有：第一作者、通訊作者曾碧卿教授，計算機學院碩士研究生楊恒、曾鋒、周武、徐如陽。

研究成果介紹：

基于方面級的文本情感分類(ABSA)是自然語言處理中的一個熱點任務，它由方面詞提取(ATE)和方面極性分類(APC)兩個子任務組成。以往的研究一般是獨立研究這兩個子任務，分別為ATE和APC設計神經(jīng)網(wǎng)絡模型，且大多數(shù)的方法將各種手工特性集成到模型之中，這將消耗大量的計算資源和人力處理時間。此外，ATE任務結果的好壞會進一步影響APC的性能。針對以上問題，“自然語言處理與智能軟件技術”研究團隊在研究中提出了一種基于雙輔助標簽的ATE和APC多任務學習模型。成果的主要創(chuàng)新思路是采用通用的IOB標簽和情感IOB標簽，在不采用人工特征的情況下，有效地銜接了ATE和APC這兩個任務。在SemEval-2014的兩個通用基準數(shù)據(jù)集上進行了對比實驗。實驗結果表明，與基線模型相比，該模型在ATE和APC任務上都具有良好的性能和效率。

模型架構圖：

近三年以來，華南師范大學“自然語言處理與智能軟件技術”研究團隊在文本情感分析、推薦系統(tǒng)、聊天機器人、智能軟件機器人、自動文本摘要、機器閱讀理解、機器翻譯、知識圖譜、知識推理、問答系統(tǒng)、強化學習、多輪對話、問題生成、實體關系抽取等多項自然語言處理關鍵技術及其應用方面開展了持續(xù)而深入的研究。研究團隊在不斷的研究、探索與科研實踐中，逐步取得較好的科研成果，已經(jīng)在國內外學術期刊《智能系統(tǒng)學報》、《中文信息學報》、《小型微型計算機系統(tǒng)》、《Applied Science》、《Pattern Analysis and Applications》、《Journal of Intelligent and Fuzzy Systems 》、《Mathematical Problems in Engineering》以及《IEEE Access》等中英文核心期刊上錄用或發(fā)表多篇研究成果論文。