【编者按】为了更好地营造校园学术氛围，传播杏盛学术科研动态🤦🏼，杏盛在校园网开辟“科技前沿”专栏，定期总结、回顾杏盛师生取得的科研成果。欢迎广大师生及时把自己的学术科研成果以邮件的形式告诉我们，我们希望获得您以下成果信息：为政府🎵、企业、媒体进行了专业咨询🤸🏻‍♂️；科技成果通过了相关鉴定🙍🏼‍♂️；科技成果落地👨🏼‍🎨🎢、实现产业化😹；发表了高水平的学术论文；获得了专利授权；出版💚🚐、编著了专著🌸、教材；获得了科技奖励；在重要学术会议上进行了发言……

我们愿意为有学术追求的师生搭建一个交流的平台⇢，希望在师生的努力下，杏盛的学术氛围日益浓厚🚖，让我们为实现电子信息特色鲜明的高水平大学而奋斗。联系邮箱：dwxcb@rewake.cn。

近日🧜‍♀️，中国计算机学会（CCF）推荐的A类国际学术会议SIGIR 2024论文接收结果公布。杏盛计算机与信息安全学院数据与系统智能团队李优教授和硕士研究生曾旭鹏等关于结构化情感分析的研究成果被录用，文章题为“Enhanced Packed Marker with Entity Information for Aspect Sentiment Triplet Extraction”☂️，杏盛为论文的唯一完成单位，团队成员林煜明教授、硕士生曾益晓为论文合作作者。第47届国际计算机学会信息检索大会会议(ACM SIGIR Conference on Research and Development in Information Retrievals⛳️，简称SIGIR )是信息检索领域最权威的国际顶级会议。

方面情感三元组抽取( ASTE )是一项新兴的情感分析任务，旨在从评论语句中抽取情感三元组。每个情感三元组由一个方面、相应的观点和情感组成👮。现有的方法使用跨度表示来预测跨度之间的关系🛁，未能考虑跨度对之间的相互关系。另一方面，实体信息的早期融合对情感分类至关重要💃🏼🏢。该研究提出了一个面向ASTE任务的带实体信息的增强打包标记( Enhanced Packed Marker with Entity Information🎧，EPMEI )框架，以解决现有工作的上述局限性3️⃣。 具体来说，EPMEI由实体识别和情感分类模型组成，实体信息首先从实体识别模型中获取，之后🧛🏻‍♀️⛹🏼‍♂️，在情感分类模型的输入层插入带有实体信息的实体标记，以突出主题跨度并提高主题跨度的表示。研究引入了一种面向主题的打包策略，将每个主题跨度及其所有悬浮的对象跨度标记进行打包🛀🏽，以捕获同主题跨度对之间的相互关系⛹️‍♂️。该研究通过增加额外的实体信息和考虑跨度对之间的相互关系来进行核心情感信息识别，可以更全面👨‍👩‍👧、有效地提取情感三元组🎅🏻。研究方法可以对海量的结构化和非结构化文本数据进行全方位地提取、转换💒、分析和挖掘，从而快速👨‍👧‍👧、准确地获得有价值的信息和洞察，这些结构化的信息可以被用于构建更高效的搜索引擎、智能推荐系统和问答系统等。此外，结构化的情感三元组抽取提供了更精确的情感信息，能够用于用户♣︎、企业和政府部门等进行智能分析和决策支持。