論文の概要: Weakly-supervised Domain Adaption for Aspect Extraction via Multi-level Interaction Transfer

• arxiv url: http://arxiv.org/abs/2006.09235v1
• Date: Tue, 16 Jun 2020 15:11:51 GMT
• ステータス: 処理完了
• システム内更新日: 2022-11-20 20:56:11.107445
• Title: Weakly-supervised Domain Adaption for Aspect Extraction via Multi-level Interaction Transfer
• Title（参考訳）: 多レベル相互作用伝達によるアスペクト抽出のための弱教師付きドメイン適応
• Authors: Tao Liang, Wenya Wang, Fengmao Lv
• Abstract要約: この研究は、レビューサイトのような商用サービスで通常利用できる文レベルのアスペクトカテゴリーラベルを活用するための先駆的な研究を行っている。 本稿では,複数の抽象化レベルにおいて,細粒度と粗粒度を両立させる新しい多層再構成機構を提案する。
• 参考スコア（独自算出の注目度）: 21.25975423883388
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Fine-grained aspect extraction is an essential sub-task in aspect based opinion analysis. It aims to identify the aspect terms (a.k.a. opinion targets) of a product or service in each sentence. However, expensive annotation process is usually involved to acquire sufficient token-level labels for each domain. To address this limitation, some previous works propose domain adaptation strategies to transfer knowledge from a sufficiently labeled source domain to unlabeled target domains. But due to both the difficulty of fine-grained prediction problems and the large domain gap between domains, the performance remains unsatisfactory. This work conducts a pioneer study on leveraging sentence-level aspect category labels that can be usually available in commercial services like review sites to promote token-level transfer for the extraction purpose. Specifically, the aspect category information is used to construct pivot knowledge for transfer with assumption that the interactions between sentence-level aspect category and token-level aspect terms are invariant across domains. To this end, we propose a novel multi-level reconstruction mechanism that aligns both the fine-grained and coarse-grained information in multiple levels of abstractions. Comprehensive experiments demonstrate that our approach can fully utilize sentence-level aspect category labels to improve cross-domain aspect extraction with a large performance gain.
• Abstract（参考訳）: きめ細かいアスペクト抽出はアスペクトベースの意見分析において不可欠なサブタスクである。 それは、各文における製品またはサービスの側面用語(すなわち意見対象)を特定することを目的としている。 しかし、高価なアノテーションプロセスは通常、各ドメインの十分なトークンレベルラベルを取得するために必要となる。 この制限に対処するために、いくつかの先行研究は十分なラベル付けされたソースドメインからラベル付けされていないターゲットドメインに知識を転送するためのドメイン適応戦略を提案している。 しかし、きめ細かい予測問題とドメイン間の大きなドメインギャップの両立が困難であるため、性能は相変わらず不満足である。 本研究は,レビューサイトなどの商用サービスで一般的に使用可能な文レベルのアスペクトカテゴリラベルを,抽出目的のトークンレベルの転送を促進するための先駆的な研究を行っている。 具体的には、アスペクトカテゴリ情報は、文レベルアスペクトカテゴリとトークンレベルアスペクトの相互作用がドメイン間で不変であるという仮定で、転送のためのピボット知識を構築するために使用される。 そこで本研究では,細粒度情報と粗粒度情報の両方を複数の抽象レベルで整合させる,新しいマルチレベル再構築機構を提案する。 包括的実験により,本手法は文レベルのアスペクトカテゴリラベルを十分に活用し,クロスドメインアスペクト抽出を改善することができることを示した。

関連論文リスト

• Cyclically Disentangled Feature Translation for Face Anti-spoofing [61.70377630461084]
  循環不整合特徴変換ネットワーク(CDFTN)と呼ばれる新しい領域適応手法を提案する。 CDFTNは、(1)ソースドメイン不変の生長特徴と2)ドメイン固有のコンテンツ特徴とを持つ擬似ラベル付きサンプルを生成する。 ソースドメインラベルの監督の下で、合成擬似ラベル付き画像に基づいてロバスト分類器を訓練する。
  論文  参考訳（メタデータ） (2022-12-07T14:12:34Z)
• DILBERT: Customized Pre-Training for Domain Adaptation withCategory Shift, with an Application to Aspect Extraction [25.075552473110676]
  事前訓練手順に対する一般的なアプローチは、いくつかのケースでは自然に準最適である。 本稿では,この課題に対処することを目的としたBERTの微調整手法を提案する。 我々は、このスキームをDILBERT: Domain Invariant Learning with BERTと命名し、教師なしドメイン適応設定におけるアスペクト抽出のためにカスタマイズする。
  論文  参考訳（メタデータ） (2021-09-01T18:49:44Z)
• Coarse to Fine: Domain Adaptive Crowd Counting via Adversarial Scoring Network [58.05473757538834]
  本稿では,ドメイン間のギャップを粗い粒度から細かな粒度に埋める新しい逆スコアリングネットワーク (ASNet) を提案する。 3組のマイグレーション実験により,提案手法が最先端のカウント性能を実現することを示す。
  論文  参考訳（メタデータ） (2021-07-27T14:47:24Z)
• ToAlign: Task-oriented Alignment for Unsupervised Domain Adaptation [84.90801699807426]
  ドメイン間でアライメントすべき機能について検討し、ドメインアライメントが積極的に分類に役立てることを提案する。 我々は、ソースドメインの機能を、整列すべきタスク関連/識別機能と、回避/無視されるべきタスク関連機能に明示的に分解します。
  論文  参考訳（メタデータ） (2021-06-21T02:17:48Z)
• Cross-Domain Label-Adaptive Stance Detection [32.800766653254634]
  距離検出は、ターゲットに対する作家の視点の分類に関するものである。 本稿では,16のスタンス検出データセットの詳細な分析を行う。 ユーザ定義ラベルの領域外予測のためのエンドツーエンドの非監視フレームワークを提案する。
  論文  参考訳（メタデータ） (2021-04-15T14:04:29Z)
• Learning a Domain Classifier Bank for Unsupervised Adaptive Object Detection [48.19258721979389]
  本稿では,ディープネットワークに基づく物体検出のための細粒度領域アライメント手法を提案する。 そこで我々は,適応検出器として細粒度領域アライメント機構を備えた素物体検出器を開発した。 3つの一般的な転送ベンチマーク実験により,本手法の有効性が示された。
  論文  参考訳（メタデータ） (2020-07-06T09:12:46Z)
• Unsupervised Domain Adaptation in Semantic Segmentation: a Review [22.366638308792734]
  本研究の目的は, セマンティックセグメンテーションのための深層ネットワークのUnsupervised Domain Adaptation (UDA) の最近の進歩について概説することである。
  論文  参考訳（メタデータ） (2020-05-21T20:10:38Z)
• Cross-domain Object Detection through Coarse-to-Fine Feature Adaptation [62.29076080124199]
  本稿では,クロスドメインオブジェクト検出のための特徴適応手法を提案する。 粗粒度では、アテンション機構を採用して前景領域を抽出し、その辺縁分布に応じて整列する。 粒度の細かい段階では、同じカテゴリのグローバルプロトタイプと異なるドメインとの距離を最小化することにより、前景の条件分布アライメントを行う。
  論文  参考訳（メタデータ） (2020-03-23T13:40:06Z)
• Differential Treatment for Stuff and Things: A Simple Unsupervised Domain Adaptation Method for Semantic Segmentation [105.96860932833759]
  最先端のアプローチは、セマンティックレベルのアライメントの実行がドメインシフトの問題に取り組むのに役立つことを証明している。 我々は,物事領域や物事に対する異なる戦略による意味レベルのアライメントを改善することを提案する。 提案手法に加えて,提案手法は,ソースとターゲットドメイン間の最も類似した機能やインスタンス機能を最小化することにより,この問題の緩和に有効であることを示す。
  論文  参考訳（メタデータ） (2020-03-18T04:43:25Z)
• Improving Domain-Adapted Sentiment Classification by Deep Adversarial Mutual Learning [51.742040588834996]
  ドメイン適応型感情分類(ドメイン適応型感情分類、Domain-adapted sentiment classification)は、ラベル付きソースドメインでトレーニングを行い、ラベルなしターゲットドメイン上で文書レベルの感情を適切に推測する。 本稿では,2つの特徴抽出器群,ドメイン識別器群,感情分類器群,ラベル探索器群を包含する新たな相互学習手法を提案する。
  論文  参考訳（メタデータ） (2020-02-01T01:22:44Z)
• Learning to adapt class-specific features across domains for semantic segmentation [36.36210909649728]
  本論文では,クラス情報毎に考慮し,ドメイン間の特徴を適応させることを学習する新しいアーキテクチャを提案する。 我々は最近導入されたStarGANアーキテクチャを画像翻訳のバックボーンとして採用している。
  論文  参考訳（メタデータ） (2020-01-22T23:51:30Z)

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。