論文の概要: SentiBERT: A Transferable Transformer-Based Architecture for Compositional Sentiment Semantics

• arxiv url: http://arxiv.org/abs/2005.04114v4
• Date: Thu, 21 May 2020 04:37:43 GMT
• ステータス: 処理完了
• システム内更新日: 2022-12-05 12:33:07.113466
• Title: SentiBERT: A Transferable Transformer-Based Architecture for Compositional Sentiment Semantics
• Title（参考訳）: SentiBERT: 感性セマンティックスのための変換可能なトランスフォーマーベースアーキテクチャ
• Authors: Da Yin, Tao Meng, Kai-Wei Chang
• Abstract要約: SentiBERT は BERT の変種であり、構成的感情意味論を効果的に捉えている。 SentiBERTは語句レベルの感情分類において競争力を発揮することを示す。
• 参考スコア（独自算出の注目度）: 82.51956663674747
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: We propose SentiBERT, a variant of BERT that effectively captures compositional sentiment semantics. The model incorporates contextualized representation with binary constituency parse tree to capture semantic composition. Comprehensive experiments demonstrate that SentiBERT achieves competitive performance on phrase-level sentiment classification. We further demonstrate that the sentiment composition learned from the phrase-level annotations on SST can be transferred to other sentiment analysis tasks as well as related tasks, such as emotion classification tasks. Moreover, we conduct ablation studies and design visualization methods to understand SentiBERT. We show that SentiBERT is better than baseline approaches in capturing negation and the contrastive relation and model the compositional sentiment semantics.
• Abstract（参考訳）: 本稿では,感性セマンティクスを効果的にキャプチャするBERTの変種であるSentiBERTを提案する。 このモデルは、文脈化された表現を二分構成構文木に組み込んで意味合成をキャプチャする。 総合的な実験により、SentiBERTはフレーズレベルの感情分類において競争力を発揮することが示された。 さらに,sstのフレーズレベルのアノテーションから学習した感情構成を,感情分類タスクなどの関連タスクと同様に他の感情分析タスクに転送できることを実証する。 さらに,SentiBERTを理解するためのアブレーション研究や設計視覚化手法も実施する。 提案手法は,否定と対照関係を捉え,構成的感情セマンティクスをモデル化する上で,sentibertがベースラインアプローチよりも優れていることを示す。

関連論文リスト

• Two in One Go: Single-stage Emotion Recognition with Decoupled Subject-context Transformer [78.35816158511523]
  単段階の感情認識手法として,DSCT(Decoupled Subject-Context Transformer)を用いる。 広範に使われている文脈認識型感情認識データセットであるCAER-SとEMOTICの単段階フレームワークの評価を行った。
  論文  参考訳（メタデータ） (2024-04-26T07:30:32Z)
• SentiCSE: A Sentiment-aware Contrastive Sentence Embedding Framework with Sentiment-guided Textual Similarity [12.954271451359222]
  感性認識型事前学習言語モデル(PLM)は、下流の感情分析タスクにおいて顕著な結果を示す。 本稿では,感情表現の質を評価するための新しい指標である感性誘導テキスト類似度(SgTS)を提案する。 次に、感性表現を構築するための新しい感性認識コントラスト文埋め込みフレームワークであるSentiCSEを提案する。
  論文  参考訳（メタデータ） (2024-04-01T13:24:20Z)
• Sentiment-Aware Word and Sentence Level Pre-training for Sentiment Analysis [64.70116276295609]
  SentiWSPは、WordレベルとSentenceレベルの事前トレーニングタスクを組み合わせた、Sentiment対応の事前トレーニング言語モデルである。 SentiWSPは、様々な文レベルおよびアスペクトレベルの感情分類ベンチマーク上で、最先端のパフォーマンスを新たに達成する。
  論文  参考訳（メタデータ） (2022-10-18T12:25:29Z)
• Transition-based Abstract Meaning Representation Parsing with Contextual Embeddings [0.0]
  本研究では,意味解析のタスクにおいて,言語モデルと記号意味論の定式化という,言語の意味への最も成功したルートを2つ組み合わせる手法について検討する。 本稿では,事前学習した文脈認識単語の埋め込み(BERTやRoBERTaなど)を解析問題に組み込むことの有用性について検討する。
  論文  参考訳（メタデータ） (2022-06-13T15:05:24Z)
• BiSyn-GAT+: Bi-Syntax Aware Graph Attention Network for Aspect-based Sentiment Analysis [23.223136577272516]
  アスペクトベースの感情分析は、アスペクト固有の感情極性推論のためにアスペクトと対応する感情を調整することを目的としている。 近年,グラフニューラルネットワークによる依存性の構文情報の利用が最も人気になっている。 この問題に対処するために,Bi-Syntax 対応グラフ注意ネットワーク (BiSyn-GAT+) を提案する。
  論文  参考訳（メタデータ） (2022-04-06T22:18:12Z)
• SentiPrompt: Sentiment Knowledge Enhanced Prompt-Tuning for Aspect-Based Sentiment Analysis [22.758661494710047]
  統一されたフレームワークで言語モデルをチューニングするためにSentiPromptを提案する。 側面、意見、極性に関する感情知識を、迅速かつ明示的に項関係をモデル化する。 提案手法は,三重項抽出,ペア抽出,および知覚分類によるアスペクト項抽出において,強いベースラインを達成できる。
  論文  参考訳（メタデータ） (2021-09-17T01:56:06Z)
• Tell Me Why You Feel That Way: Processing Compositional Dependency for Tree-LSTM Aspect Sentiment Triplet Extraction (TASTE) [0.0]
  本稿では, 依存木LSTMの合成感情解析構造と相補的記号規則を利用したハイブリッド型ニューラルシンボリック手法を提案する。 本手法は, 必要なデータを単純化し, 解釈可能性の度合いを提供しながら, 最先端の手法に則して実行可能であることを示す。
  論文  参考訳（メタデータ） (2021-03-10T01:52:10Z)
• Unsupervised Distillation of Syntactic Information from Contextualized Word Representations [62.230491683411536]
  我々は,ニューラルネットワーク表現における意味論と構造学の非教師なしの絡み合いの課題に取り組む。 この目的のために、構造的に類似しているが意味的に異なる文群を自動的に生成する。 我々は、我々の変換クラスタベクトルが、語彙的意味論ではなく構造的特性によって空間に現れることを実証する。
  論文  参考訳（メタデータ） (2020-10-11T15:13:18Z)
• A Unified Dual-view Model for Review Summarization and Sentiment Classification with Inconsistency Loss [51.448615489097236]
  ユーザーレビューから正確な要約と感情を取得することは、現代のEコマースプラットフォームにとって不可欠な要素である。 本稿では,これら2つのタスクの性能を協調的に改善する新しいデュアルビューモデルを提案する。 異なる領域の4つの実世界のデータセットに対する実験結果から,本モデルの有効性が示された。
  論文  参考訳（メタデータ） (2020-06-02T13:34:11Z)
• A Deep Neural Framework for Contextual Affect Detection [51.378225388679425]
  感情を持たない短い単純なテキストは、その文脈と共に読むときに強い感情を表現することができる。 文中の単語の相互依存を学習する文脈影響検出フレームワークを提案する。
  論文  参考訳（メタデータ） (2020-01-28T05:03:15Z)

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。