論文の概要: Octa: Omissions and Conflicts in Target-Aspect Sentiment Analysis
- arxiv url: http://arxiv.org/abs/2004.13150v2
- Date: Tue, 6 Oct 2020 20:37:33 GMT
- ステータス: 処理完了
- システム内更新日: 2022-12-09 05:20:15.590095
- Title: Octa: Omissions and Conflicts in Target-Aspect Sentiment Analysis
- Title（参考訳）: オクタ:対象感分析における課題と矛盾
- Authors: Zhe Zhang, Chung-Wei Hang, Munindar P. Singh
- Abstract要約: オクタ(Octa)は、感情を推測する際の側面と目標を共同で検討する手法である。
ターゲットとコンテキストワードの関係を捕捉し定量化するために、Octaは選択的な自己認識機構を使用している。
ベンチマークデータセットでは、Octaは主要なモデルを大きなマージンで上回り、1.6%から4.3%の精度で(絶対的に)上昇する。
- 参考スコア（独自算出の注目度）: 19.21189341039961
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Sentiments in opinionated text are often determined by both aspects and
target words (or targets). We observe that targets and aspects interrelate in
subtle ways, often yielding conflicting sentiments. Thus, a naive aggregation
of sentiments from aspects and targets treated separately, as in existing
sentiment analysis models, impairs performance.
We propose Octa, an approach that jointly considers aspects and targets when
inferring sentiments. To capture and quantify relationships between targets and
context words, Octa uses a selective self-attention mechanism that handles
implicit or missing targets. Specifically, Octa involves two layers of
attention mechanisms for, respectively, selective attention between targets and
context words and attention over words based on aspects. On benchmark datasets,
Octa outperforms leading models by a large margin, yielding (absolute) gains in
accuracy of 1.6% to 4.3%.
- Abstract（参考訳）: 意見テキストの感情は、しばしばアスペクトとターゲットワード(あるいはターゲット)の両方によって決定される。
ターゲットと側面が微妙な方法で相互結合し、しばしば相反する感情を生み出すのを観察します。
したがって、既存の感情分析モデルのように、アスペクトとターゲットからの感情のナイーブな集約がパフォーマンスを損なう。
我々は感情を推測する上での側面と目標を共同で考慮するアプローチであるオクターを提案する。
ターゲットとコンテキストワード間の関係をキャプチャして定量化するために、オクタは、暗黙的あるいは行方不明のターゲットを扱う選択的自己アテンション機構を使用している。
具体的には、ターゲットとコンテキストワード間の選択的注意と、アスペクトに基づく単語に対する注意という、2つの注意メカニズムがある。
ベンチマークデータセットでは、Octaは主要なモデルを大きなマージンで上回り、精度は1.6%から4.3%になる。
関連論文リスト
- Stanceformer: Target-Aware Transformer for Stance Detection [59.69858080492586]
スタンス検出は、テキストで表現されたスタンスを特定の主題やターゲットに向けて識別する。
以前の作業は、ターゲットを効果的に優先順位付けする能力に欠ける既存のトランスフォーマーモデルに依存していた。
本稿では,学習と推論の両方において,目標に対する注意を高めるターゲット対応トランスフォーマーモデルであるStanceformerを紹介する。
論文 参考訳（メタデータ） (2024-10-09T17:24:28Z) - 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) - Aspect-oriented Opinion Alignment Network for Aspect-Based Sentiment
Classification [14.212306015270208]
本稿では、意見語とそれに対応する側面の文脈的関連を捉えるために、アスペクト指向オピニオンアライメントネットワーク(AOAN)を提案する。
さらに,対象の側面に関連性のある意見情報を一致させる多視点的注意機構を設計する。
提案モデルでは,3つのベンチマークデータセットに対して最先端の結果が得られた。
論文 参考訳（メタデータ） (2023-08-22T13:55:36Z) - 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) - Joint Forecasting of Panoptic Segmentations with Difference Attention [72.03470153917189]
シーン内の全てのオブジェクトを共同で予測する新しいパノプティックセグメンテーション予測モデルについて検討する。
提案したモデルをCityscapesとAIODriveデータセット上で評価する。
論文 参考訳（メタデータ） (2022-04-14T17:59:32Z) - Learning Span-Level Interactions for Aspect Sentiment Triplet Extraction [25.984894351763945]
Aspect Sentiment Triplet extract (ASTE)はABSAの最新のサブタスクである。
最近のモデルはエンドツーエンドで三重項抽出を行うが、それぞれの単語と意見語間の相互作用に強く依存している。
提案するスパンレベルアプローチは,感情関係を予測する際に,対象の全体と意見の相互作用を明示的に検討する。
論文 参考訳（メタデータ） (2021-07-26T13:47:31Z) - Explicit Interaction Network for Aspect Sentiment Triplet Extraction [34.17603770200336]
Aspect Sentiment Triplet extract (ASTE)は、目標、感情の極性、文章を説明する意見を認識することを目的としている。
我々は、適切なサブタスクの組み合わせ、ターゲット-オピニオン対に対する構成的特徴抽出、およびサブタスク間の相互作用が成功の鍵であると主張している。
実験により、我々のモデルは6つの人気のあるASTEデータセット上で最先端の手法より優れていることが示された。
論文 参考訳（メタデータ） (2021-06-21T14:36:38Z) - Enhanced Aspect-Based Sentiment Analysis Models with Progressive
Self-supervised Attention Learning [103.0064298630794]
アスペクトベース感情分析(absa)では、多くのニューラルモデルに感情予測に対する各文脈単語の寄与を定量化するための注意機構が備わっている。
注目ABSAモデルに対する自己監督型注意学習の進歩的アプローチを提案する。
提案手法を3つの最先端の神経ABSAモデルに統合する。
論文 参考訳（メタデータ） (2021-03-05T02:50:05Z) - First Target and Opinion then Polarity: Enhancing Target-opinion
Correlation for Aspect Sentiment Triplet Extraction [45.82241446769157]
Aspect Sentiment Triplet Extraction(ASTE)は、ターゲットエンティティ、関連する感情極性、および極性を合理化する意見スパンを含む文からトリプレットを抽出することを目的としています。
既存の方法は、目標対の相関関係の構築に短く、異なる感情三重項間の相互干渉を無視する。
シークエンスタギングによるターゲットと意見の相関性を高める新しい二段階法を提案する。
論文 参考訳（メタデータ） (2021-02-17T03:28:17Z) - Opinion Transmission Network for Jointly Improving Aspect-oriented
Opinion Words Extraction and Sentiment Classification [56.893393134328996]
アスペクトレベルの感情分類(ALSC)とアスペクト指向の意見単語抽出(AOWE)は、アスペクトベースの感情分析の2つのサブタスクである。
本稿では,ALSC と AOWE の橋梁を利用した新しい接続モデル Opinion Transmission Network (OTN) を提案する。
論文 参考訳（メタデータ） (2020-11-01T11:00:19Z) - 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)
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。