論文の概要: Article citation study: Context enhanced citation sentiment detection
- arxiv url: http://arxiv.org/abs/2005.04534v1
- Date: Sun, 10 May 2020 00:27:19 GMT
- ステータス: 処理完了
- システム内更新日: 2022-12-05 02:04:49.404733
- Title: Article citation study: Context enhanced citation sentiment detection
- Title(参考訳): 論文引用研究:文脈改善による引用感情の検出
- Authors: Vishal Vyas, Kumar Ravi, Vadlamani Ravi, V.Uma, Srirangaraj Setlur,
Venu Govindaraju
- Abstract要約: サイテーションセシメット分析は、サイエントメトリー分析における最も研究の少ない課題の1つである。
我々は,引用文からなる8つのデータセットを開発し,手動で3つの感情極性にアノテートした。
テキスト, 音声のパート・オブ・音声タグ, 依存関係関係を組み合わさった, 単語の埋め込みを含むアンサンブル特徴工学手法を提案する。
- 参考スコア(独自算出の注目度): 11.610277023001807
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Citation sentimet analysis is one of the little studied tasks for
scientometric analysis. For citation analysis, we developed eight datasets
comprising citation sentences, which are manually annotated by us into three
sentiment polarities viz. positive, negative, and neutral. Among eight
datasets, three were developed by considering the whole context of citations.
Furthermore, we proposed an ensembled feature engineering method comprising
word embeddings obtained for texts, parts-of-speech tags, and dependency
relationships together. Ensembled features were considered as input to deep
learning based approaches for citation sentiment classification, which is in
turn compared with Bag-of-Words approach. Experimental results demonstrate that
deep learning is useful for higher number of samples, whereas support vector
machine is the winner for smaller number of samples. Moreover, context-based
samples are proved to be more effective than context-less samples for citation
sentiment analysis.
- Abstract(参考訳): サイテーションセシメット分析は、サイエントメトリー分析における最も研究の少ない課題の1つである。
引用分析のために,我々は,引用文を含む8つのデータセットを手作業で3つの感情極性viz(正,負,中性)にアノテートした。
8つのデータセットのうち、3つは引用の文脈全体を考慮して開発された。
さらに,テキスト,パート・オブ・音声タグ,依存関係関係を組み合わした単語埋め込みを含むアンサンブル特徴工学手法を提案する。
要約感情分類のための深層学習に基づくアプローチの入力として, 単語のバグ・オブ・ワード手法と比較した。
実験結果から, 深層学習はサンプル数の増加に有用であり, サポートベクターマシンはより少ないサンプル数の勝者であることがわかった。
さらに, 引用感情分析において, 文脈ベースサンプルは, 文脈レスサンプルよりも効果的であることが証明された。
関連論文リスト
- Inline Citation Classification using Peripheral Context and
Time-evolving Augmentation [23.88211560188731]
本稿では,引用文を用いた談話情報を提供する3Cextという新しいデータセットを提案する。
周辺文とドメイン知識を融合したトランスフォーマーベースのディープニューラルネットワークPeriCiteを提案する。
論文 参考訳(メタデータ) (2023-03-01T09:11:07Z) - Text sampling strategies for predicting missing bibliographic links [0.0]
本稿では,自動文分類を行う際に,テキストをサンプリングする様々な手法を提案する。
文脈サイズと位置の異なる多くのサンプリング戦略について検討する。
本手法は,応用知的情報システムのレコメンデーションエンジンに使用することができる。
論文 参考訳(メタデータ) (2023-01-04T15:53:50Z) - Quantitative Discourse Cohesion Analysis of Scientific Scholarly Texts
using Multilayer Networks [10.556468838821338]
本研究の目的は,多層ネットワーク表現を用いた学術文献における談話の凝集度を計算学的に解析することである。
テキストにおける語彙的凝集度を評価するために,セクションレベルおよび文書レベルのメトリクスを設計する。
本稿では、著者に原稿の潜在的な改善のためのポインタを提供するための分析フレームワークCHIAA(CHeck It Again, Author)を提案する。
論文 参考訳(メタデータ) (2022-05-16T09:10:41Z) - Semantic Analysis for Automated Evaluation of the Potential Impact of
Research Articles [62.997667081978825]
本稿では,情報理論に基づくテキスト意味のベクトル表現のための新しい手法を提案する。
この情報意味論がLeicester Scientific Corpusに基づいてテキスト分類にどのように使用されるかを示す。
テキストの意味を表現するための情報的アプローチは,研究論文の科学的影響を効果的に予測する方法であることを示す。
論文 参考訳(メタデータ) (2021-04-26T20:37:13Z) - On the Use of Context for Predicting Citation Worthiness of Sentences in
Scholarly Articles [10.28696219236292]
この問題を階層的BiLSTMモデルを用いて解いたシーケンスラベリングタスクとして定式化する。
我々は200万以上の文とそのラベルを含む新しいベンチマークデータセットをコントリビュートする。
本研究は,引用価値のための文脈埋め込みと文脈埋め込みの利点を定量化する。
論文 参考訳(メタデータ) (2021-04-18T21:47:30Z) - An Unsupervised Sampling Approach for Image-Sentence Matching Using
Document-Level Structural Information [64.66785523187845]
教師なし画像文マッチングの問題に焦点をあてる。
既存の研究では、文書レベルの構造情報を用いて、モデルトレーニングの正および負のインスタンスをサンプリングする方法が検討されている。
そこで本研究では,追加の文書内画像-文対を正あるいは負のサンプルとして選択する新しいサンプリング手法を提案する。
論文 参考訳(メタデータ) (2021-03-21T05:43:29Z) - How to Evaluate a Summarizer: Study Design and Statistical Analysis for
Manual Linguistic Quality Evaluation [3.624563211765782]
評価手法の最良の選択は、ある側面から別の側面まで様々であることを示す。
その結果,アノテータの総数は研究力に強い影響を及ぼす可能性が示唆された。
現在の統計解析手法では、I型エラー率を最大8倍にすることができる。
論文 参考訳(メタデータ) (2021-01-27T10:14:15Z) - What's New? Summarizing Contributions in Scientific Literature [85.95906677964815]
本稿では,論文のコントリビューションと作業状況について,個別の要約を生成するために,論文要約のアンタングル化という新たなタスクを導入する。
本稿では,学術論文のS2ORCコーパスを拡張し,コントリビューション・コントリビューション・コントリビューション・レファレンス・ラベルを付加する。
本稿では, 生成した出力の関連性, 新規性, 絡み合いを報告する総合的自動評価プロトコルを提案する。
論文 参考訳(メタデータ) (2020-11-06T02:23:01Z) - 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 Comparative Study on Structural and Semantic Properties of Sentence
Embeddings [77.34726150561087]
本稿では,関係抽出に広く利用されている大規模データセットを用いた実験セットを提案する。
異なる埋め込み空間は、構造的および意味的特性に対して異なる強度を持つことを示す。
これらの結果は,埋め込み型関係抽出法の開発に有用な情報を提供する。
論文 参考訳(メタデータ) (2020-09-23T15:45:32Z) - A computational model implementing subjectivity with the 'Room Theory'.
The case of detecting Emotion from Text [68.8204255655161]
本研究は,テキスト分析における主観性と一般的文脈依存性を考慮した新しい手法を提案する。
単語間の類似度を用いて、ベンチマーク中の要素の相対的関連性を抽出することができる。
この方法は、主観的評価がテキストの相対値や意味を理解するために関係しているすべてのケースに適用できる。
論文 参考訳(メタデータ) (2020-05-12T21:26:04Z)
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。