論文の概要: Investigating Typed Syntactic Dependencies for Targeted Sentiment Classification Using Graph Attention Neural Network

• arxiv url: http://arxiv.org/abs/2002.09685v3
• Date: Thu, 17 Dec 2020 05:29:47 GMT
• ステータス: 処理完了
• システム内更新日: 2022-12-29 19:28:28.926821
• Title: Investigating Typed Syntactic Dependencies for Targeted Sentiment Classification Using Graph Attention Neural Network
• Title（参考訳）: グラフ注意ニューラルネットワークを用いた目標知覚分類のための型付き構文依存性の検討
• Authors: Xuefeng Bai, Pengbo Liu and Yue Zhang
• Abstract要約: 型付き構文依存情報を統合する新しい関係グラフアテンションネットワークについて検討する。 その結果,本手法は目標感情分類性能を改善するためにラベル情報を効果的に活用できることが示唆された。
• 参考スコア（独自算出の注目度）: 10.489983726592303
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Targeted sentiment classification predicts the sentiment polarity on given target mentions in input texts. Dominant methods employ neural networks for encoding the input sentence and extracting relations between target mentions and their contexts. Recently, graph neural network has been investigated for integrating dependency syntax for the task, achieving the state-of-the-art results. However, existing methods do not consider dependency label information, which can be intuitively useful. To solve the problem, we investigate a novel relational graph attention network that integrates typed syntactic dependency information. Results on standard benchmarks show that our method can effectively leverage label information for improving targeted sentiment classification performances. Our final model significantly outperforms state-of-the-art syntax-based approaches.
• Abstract（参考訳）: 目標感情分類は、入力テキスト中の特定の目標言及に対する感情極性を予測する。 支配的手法はニューラルネットワークを用いて入力文を符号化し、ターゲット参照とそれらのコンテキストの関係を抽出する。 近年,タスクの依存関係構文を統合するためにグラフニューラルネットワークが研究され,最先端の結果が得られた。 しかし、既存の手法では依存ラベル情報を考慮せず、直感的に有用である。 そこで本研究では,型付き構文依存情報を統合する新しい関係グラフアテンションネットワークについて検討する。 標準ベンチマークの結果,提案手法は感情分類性能を向上させるためにラベル情報を効果的に活用できることがわかった。 最終的なモデルは最先端の構文ベースのアプローチを大幅に上回っています。

関連論文リスト

• Word and Phrase Features in Graph Convolutional Network for Automatic Question Classification [0.7405975743268344]
  本稿では,グラフ畳み込みネットワーク(GCN)を利用した質問の固有構造をモデル化する手法を提案する。 質問をグラフとして表現することにより、GCNが言語間の相互接続性からより効果的に学習できるようにする。 以上の結果から,GCNは句ベースの特徴を付加したものであり,より正確で文脈に配慮した質問分類のための有望な解であることがわかった。
  論文  参考訳（メタデータ） (2024-09-04T07:13:30Z)
• GNN-LoFI: a Novel Graph Neural Network through Localized Feature-based Histogram Intersection [51.608147732998994]
  グラフニューラルネットワークは、グラフベースの機械学習の選択フレームワークになりつつある。 本稿では,古典的メッセージパッシングに代えて,ノード特徴の局所分布を解析するグラフニューラルネットワークアーキテクチャを提案する。
  論文  参考訳（メタデータ） (2024-01-17T13:04:23Z)
• On Discprecncies between Perturbation Evaluations of Graph Neural Network Attributions [49.8110352174327]
  我々は、グラフ領域で以前に検討されていない視点から帰属法を評価する:再学習。 中心となる考え方は、属性によって識別される重要な(あるいは重要でない)関係でネットワークを再訓練することである。 我々は4つの最先端GNN属性法と5つの合成および実世界のグラフ分類データセットについて分析を行った。
  論文  参考訳（メタデータ） (2024-01-01T02:03:35Z)
• Classification of vertices on social networks by multiple approaches [1.370151489527964]
  ソーシャルネットワークの場合、個別のコミュニティのラベルを評価することが不可欠である。 これらのインタラクションベースのエンティティそれぞれに対して、テストベンチリポジトリとして、ソーシャルグラフ、メーリングデータセット、および2つの引用セットが選択される。 本論文は,最も有用な手法だけでなく,グラフニューラルネットワークの動作方法も検討した。
  論文  参考訳（メタデータ） (2023-01-13T09:42:55Z)
• Compositional Generalization in Grounded Language Learning via Induced Model Sparsity [81.38804205212425]
  グリッド環境における単純な言語条件のナビゲーション問題について考察する。 本研究では,オブジェクトの指示文と属性のスパース相関を助長するエージェントを設計し,それらを組み合わせて目的を導出する。 我々のエージェントは、少数のデモンストレーションから学習した場合でも、新しいプロパティの組み合わせを含む目標に対して高いレベルのパフォーマンスを維持している。
  論文  参考訳（メタデータ） (2022-07-06T08:46:27Z)
• Graph Adaptive Semantic Transfer for Cross-domain Sentiment Classification [68.06496970320595]
  クロスドメイン感情分類(CDSC)は、ソースドメインから学んだ伝達可能なセマンティクスを使用して、ラベルなしのターゲットドメインにおけるレビューの感情を予測することを目的としている。 本稿では、単語列と構文グラフの両方からドメイン不変セマンティクスを学習できる適応型構文グラフ埋め込み法であるグラフ適応意味伝達(GAST)モデルを提案する。
  論文  参考訳（メタデータ） (2022-05-18T07:47:01Z)
• Learn from Structural Scope: Improving Aspect-Level Sentiment Analysis with Hybrid Graph Convolutional Networks [6.116341682577877]
  アスペクトレベルの感情分析は、文中の特定の対象に対する感情の極性を決定することを目的としている。 本稿では,特定の対象に関する構造的テキスト領域を概説するスコープの概念を紹介する。 本稿では,HGCN(Hybrid Graph Convolutional Network)を提案する。
  論文  参考訳（メタデータ） (2022-04-27T09:10:22Z)
• Hierarchical Heterogeneous Graph Representation Learning for Short Text Classification [60.233529926965836]
  短文分類のためのグラフニューラルネットワーク(GNN)に基づく ShiNE と呼ばれる新しい手法を提案する。 まず,短文データセットを単語レベル成分グラフからなる階層的不均一グラフとしてモデル化する。 そして、類似した短いテキスト間の効果的なラベル伝搬を容易にするショート文書グラフを動的に学習する。
  論文  参考訳（メタデータ） (2021-10-30T05:33:05Z)
• Be More with Less: Hypergraph Attention Networks for Inductive Text Classification [56.98218530073927]
  グラフニューラルネットワーク(GNN)は、研究コミュニティで注目され、この標準タスクで有望な結果を実証している。 成功にもかかわらず、それらのパフォーマンスは、単語間の高次相互作用をキャプチャできないため、実際は大部分が危険に晒される可能性がある。 本稿では,テキスト表現学習において,少ない計算量でより表現力の高いハイパーグラフアテンションネットワーク(HyperGAT)を提案する。
  論文  参考訳（メタデータ） (2020-11-01T00:21:59Z)
• Semantic Sentiment Analysis Based on Probabilistic Graphical Models and Recurrent Neural Network [0.0]
  本研究の目的は,確率的グラフィカルモデルとリカレントニューラルネットワークに基づく感情分析を行うためのセマンティクスの利用を検討することである。 実験で使用されたデータセットは、IMDB映画レビュー、Amazon Consumer Product Review、Twitter Reviewデータセットである。
  論文  参考訳（メタデータ） (2020-08-06T11:59:00Z)
• Affinity Graph Supervision for Visual Recognition [35.35959846458965]
  親和性グラフにおける重みの学習を指導する原理的手法を提案する。 我々の親和性監視は、手動でアノテートされた関係ラベルがなくても、オブジェクト間の関係回復を改善する。 我々は、ニューラルネットワークトレーニングのために、ミニバッチから構築されたグラフにも親和性学習を適用することができることを示した。
  論文  参考訳（メタデータ） (2020-03-19T23:52:51Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。

指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。