論文の概要: Toward Tag-free Aspect Based Sentiment Analysis: A Multiple Attention Network Approach

• arxiv url: http://arxiv.org/abs/2003.09986v1
• Date: Sun, 22 Mar 2020 20:18:20 GMT
• ステータス: 処理完了
• システム内更新日: 2022-12-21 05:52:45.733785
• Title: Toward Tag-free Aspect Based Sentiment Analysis: A Multiple Attention Network Approach
• Title（参考訳）: タグのないアスペクトベース感情分析に向けて:マルチアテンションネットワークアプローチ
• Authors: Yao Qiang, Xin Li, Dongxiao Zhu
• Abstract要約: マルチアテンションネットワーク(MAN)は、テキストレビューからアスペクトレベルと全体的な感情を抽出することができる。 我々は、他の最先端のABSAアプローチと比較して、MANの強い性能を示す広範囲な実験を行った。
• 参考スコア（独自算出の注目度）: 12.100371588940256
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Existing aspect based sentiment analysis (ABSA) approaches leverage various neural network models to extract the aspect sentiments via learning aspect-specific feature representations. However, these approaches heavily rely on manual tagging of user reviews according to the predefined aspects as the input, a laborious and time-consuming process. Moreover, the underlying methods do not explain how and why the opposing aspect level polarities in a user review lead to the overall polarity. In this paper, we tackle these two problems by designing and implementing a new Multiple-Attention Network (MAN) approach for more powerful ABSA without the need for aspect tags using two new tag-free data sets crawled directly from TripAdvisor ({https://www.tripadvisor.com}). With the Self- and Position-Aware attention mechanism, MAN is capable of extracting both aspect level and overall sentiments from the text reviews using the aspect level and overall customer ratings, and it can also detect the vital aspect(s) leading to the overall sentiment polarity among different aspects via a new aspect ranking scheme. We carry out extensive experiments to demonstrate the strong performance of MAN compared to other state-of-the-art ABSA approaches and the explainability of our approach by visualizing and interpreting attention weights in case studies.
• Abstract（参考訳）: 既存のアスペクトベースの感情分析(ABSA)アプローチは、さまざまなニューラルネットワークモデルを利用して、アスペクト固有の特徴表現を学習することでアスペクトの感情を抽出する。 しかし、これらのアプローチは入力として事前に定義された側面に従ってユーザーレビューを手動でタグ付けすることに大きく依存している。 さらに、ユーザレビューにおけるアスペクトレベルの極性が全体的な極性につながる理由と理由を、基礎となる手法では説明していない。 本稿では,tripadvisor ({https://www.tripadvisor.com}) から直接クロールされた2つのタグフリーデータセットを用いて,よりパワフルな absa のための新しい multi-attention network (man) アプローチを設計,実装することで,これらの2つの問題に取り組む。 自己認識と位置認識の注意機構により、人は、アスペクトレベルと顧客評価全体を用いて、テキストレビューからアスペクトレベルと全体的な感情の両方を抽出でき、また、新しいアスペクトランキングスキームによって、異なるアスペクト間の全体的な感情極性につながる重要なアスペクト(s)を検出できる。 我々は、他の最先端のABSAアプローチと比較してMANの強い性能と、ケーススタディにおける注意重みの可視化と解釈によるアプローチの説明可能性を示す広範な実験を行った。

関連論文リスト

• A Novel Energy based Model Mechanism for Multi-modal Aspect-Based Sentiment Analysis [85.77557381023617]
  マルチモーダル感情分析のための新しいフレームワークDQPSAを提案する。 PDQモジュールは、プロンプトをビジュアルクエリと言語クエリの両方として使用し、プロンプト対応の視覚情報を抽出する。 EPEモジュールはエネルギーベースモデルの観点から解析対象の境界ペアリングをモデル化する。
  論文  参考訳（メタデータ） (2023-12-13T12:00:46Z)
• Document-Level Supervision for Multi-Aspect Sentiment Analysis Without Fine-grained Labels [14.187425779776204]
  本稿では,文書レベルの監視を用いてABSAを実行するVAEベースのトピックモデリング手法を提案する。 この手法により、文書内の複数の側面を検知し、複数の側面を通して表現された感情がどのように集まって、観察可能な文書レベルの感情を形成するのかを推論することが可能になる。
  論文  参考訳（メタデータ） (2023-10-10T18:53:21Z)
• ATESA-B{\AE}RT: A Heterogeneous Ensemble Learning Model for Aspect-Based Sentiment Analysis [0.5156484100374059]
  Aspect-Based Sentiment Analysisのための異種アンサンブル学習モデルであるATESA-BaERTを提案する。 サブタスク毎に6つのトランスフォーマーベースの学習者に対して,textitargmaxマルチクラス分類を用いる。 2つのデータセットの実験は、ATESA-BAERTが現在の最先端ソリューションより優れていることを証明している。
  論文  参考訳（メタデータ） (2023-07-29T07:35:19Z)
• Explaining Explainability: Towards Deeper Actionable Insights into Deep Learning through Second-order Explainability [70.60433013657693]
  2階説明可能なAI(SOXAI)は、最近インスタンスレベルからデータセットレベルまで説明可能なAI(XAI)を拡張するために提案されている。 そこで本研究では,SOXAIの動作可能な洞察に基づくトレーニングセットから無関係な概念を除外することで,モデルの性能を向上させることができることを示す。
  論文  参考訳（メタデータ） (2023-06-14T23:24:01Z)
• Variational Distillation for Multi-View Learning [104.17551354374821]
  我々は,多視点表現学習における2つの重要な特徴を利用するために,様々な情報ボトルネックを設計する。 厳密な理論的保証の下で,本手法は,観察とセマンティックラベルの内在的相関の把握を可能にする。
  論文  参考訳（メタデータ） (2022-06-20T03:09:46Z)
• A Simple Information-Based Approach to Unsupervised Domain-Adaptive Aspect-Based Sentiment Analysis [58.124424775536326]
  本稿では,相互情報に基づくシンプルだが効果的な手法を提案し,それらの用語を抽出する。 実験の結果,提案手法はクロスドメインABSAの最先端手法よりも4.32%高い性能を示した。
  論文  参考訳（メタデータ） (2022-01-29T10:18:07Z)
• Knowledge Graph Augmented Network Towards Multiview Representation Learning for Aspect-based Sentiment Analysis [96.53859361560505]
  本稿では,知識グラフ拡張ネットワーク(KGAN)を提案する。 KGANは感情の特徴表現を、文脈、構文、知識に基づく複数の視点から捉えている。 3つの人気のあるABSAベンチマークの実験は、我々のKGANの有効性と堅牢性を示している。
  論文  参考訳（メタデータ） (2022-01-13T08:25:53Z)
• Deep Context- and Relation-Aware Learning for Aspect-based Sentiment Analysis [3.7175198778996483]
  本研究では,深い文脈情報を持つサブタスク間での対話的関係を実現するディープ・コンテクスチュアライズド・リレーア・アウェア・ネットワーク(DCRAN)を提案する。 DCRANは3つの広く使用されているベンチマークにおいて、従来の最先端の手法よりも大きなマージンで優れている。
  論文  参考訳（メタデータ） (2021-06-07T17:16:15Z)
• Weakly-Supervised Aspect-Based Sentiment Analysis via Joint Aspect-Sentiment Topic Embedding [71.2260967797055]
  アスペクトベース感情分析のための弱教師付きアプローチを提案する。 We learn sentiment, aspects> joint topic embeddeds in the word embedding space。 次に、ニューラルネットワークを用いて単語レベルの識別情報を一般化する。
  論文  参考訳（メタデータ） (2020-10-13T21:33:24Z)
• A Simple and Effective Self-Supervised Contrastive Learning Framework for Aspect Detection [15.36713547251997]
  UADタスクのための新しいスムーズな自己意識(SSA)モジュールを備えた自己教師付きコントラスト学習フレームワークとアテンションベースモデルを提案する。 提案手法は, 公開されているベンチマークユーザレビューデータセットにおいて, 教師なし, 弱教師付きアプローチよりも優れている。
  論文  参考訳（メタデータ） (2020-09-18T22:13:49Z)
• Simple Unsupervised Similarity-Based Aspect Extraction [0.9558392439655015]
  アスペクト抽出のための単純なアプローチSUAExを提案する。 SUAExは教師なしであり、単語埋め込みの類似性のみに依存している。 3つの異なる領域のデータセットに対する実験結果から、SUAExは最先端の注目に基づくアプローチをわずかに上回る結果が得られることが示されている。
  論文  参考訳（メタデータ） (2020-08-25T04:58:07Z)

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。