論文の概要: A Variational Approach to Unsupervised Sentiment Analysis

• arxiv url: http://arxiv.org/abs/2008.09394v1
• Date: Fri, 21 Aug 2020 09:52:35 GMT
• ステータス: 処理完了
• システム内更新日: 2022-10-26 21:38:02.014278
• Title: A Variational Approach to Unsupervised Sentiment Analysis
• Title（参考訳）: 教師なし感性分析への変分的アプローチ
• Authors: Ziqian Zeng, Wenxuan Zhou, Xin Liu, Zizheng Lin, Yangqin Song, Michael David Kuo, and Wan Hang Keith Chiu
• Abstract要約: 本研究では,教師なし感情分析のための変分アプローチを提案する。 我々は、監視信号としてターゲット-オピニオンワードペアを使用する。 顧客レビューと臨床物語に対する感情分析に本手法を適用した。
• 参考スコア（独自算出の注目度）: 8.87759101018566
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: In this paper, we propose a variational approach to unsupervised sentiment analysis. Instead of using ground truth provided by domain experts, we use target-opinion word pairs as a supervision signal. For example, in a document snippet "the room is big," (room, big) is a target-opinion word pair. These word pairs can be extracted by using dependency parsers and simple rules. Our objective function is to predict an opinion word given a target word while our ultimate goal is to learn a sentiment classifier. By introducing a latent variable, i.e., the sentiment polarity, to the objective function, we can inject the sentiment classifier to the objective function via the evidence lower bound. We can learn a sentiment classifier by optimizing the lower bound. We also impose sophisticated constraints on opinion words as regularization which encourages that if two documents have similar (dissimilar) opinion words, the sentiment classifiers should produce similar (different) probability distribution. We apply our method to sentiment analysis on customer reviews and clinical narratives. The experiment results show our method can outperform unsupervised baselines in sentiment analysis task on both domains, and our method obtains comparable results to the supervised method with hundreds of labels per aspect in customer reviews domain, and obtains comparable results to supervised methods in clinical narratives domain.
• Abstract（参考訳）: 本稿では,教師なし感情分析に対する変分的アプローチを提案する。 ドメインの専門家が提供した根拠の真理を使わずに、ターゲット-オピニオンワードペアを監視信号として使用します。 例えば、ドキュメントのスニペット "the room is big" (room, big) は、ターゲット-オピニオンワードペアである。 これらのワードペアは、依存性パーサと単純なルールを使って抽出できる。 我々の目的は、目標語が与えられた意見語を予測し、最終的な目標は感情分類器を学習することである。 目的関数に潜在変数、すなわち感情極性を導入することにより、エビデンス下限を介して感情分類器を目的関数に注入することができる。 下限を最適化することで感情分類器を学習できる。 また,2つの文書が類似(異)な意見語を持つ場合,感情分類器が類似(異)な確率分布を生成することを奨励する規則化として,意見語に洗練された制約を課す。 顧客レビューと臨床物語に対する感情分析に本手法を適用した。 実験の結果,両ドメインの感情分析タスクにおいて,教師なしのベースラインを上回り,顧客レビュードメインにおいて,数百のラベルを持つ教師付き手法と比較し,臨床物語領域における教師付き手法と同等の結果を得ることができた。

関連論文リスト

• Lexicon-Based Sentiment Analysis on Text Polarities with Evaluation of Classification Models [1.342834401139078]
  本研究は,レキシコン法を用いて感情分析を行い,テキストデータを用いた分類モデルの評価を行った。 語彙に基づく手法は、単語レベルでの感情と主観性の強さを識別する。 この研究は、テキストが正、負、中立とラベル付けされているというマルチクラスの問題に基づいている。
  論文  参考訳（メタデータ） (2024-09-19T15:31:12Z)
• Towards Unsupervised Recognition of Token-level Semantic Differences in Related Documents [61.63208012250885]
  意味的差異をトークンレベルの回帰タスクとして認識する。 マスク付き言語モデルに依存する3つの教師なしアプローチについて検討する。 その結果,単語アライメントと文レベルのコントラスト学習に基づくアプローチは,ゴールドラベルと強い相関関係があることが示唆された。
  論文  参考訳（メタデータ） (2023-05-22T17:58:04Z)
• Fine-Grained Opinion Summarization with Minimal Supervision [48.43506393052212]
  FineSumは、複数のドキュメントから意見を抽出することでターゲットをプロファイルすることを目的としている。 FineSumは、生のコーパスから意見語句を自動的に識別し、異なる側面と感情に分類し、各アスペクト/感覚の下に複数のきめ細かい意見クラスタを構築する。 ベンチマークの自動評価と定量的人的評価の両方が,本手法の有効性を検証した。
  論文  参考訳（メタデータ） (2021-10-17T15:16:34Z)
• Automatic Construction of Context-Aware Sentiment Lexicon in the Financial Domain Using Direction-Dependent Words [6.664755699733471]
  我々は、方向依存語からなる感性語彙に対してSenti-DDという語彙を構築する。 実験の結果,Senti-DDでは高い分類性能が得られた。
  論文  参考訳（メタデータ） (2021-06-10T13:08:00Z)
• Fake it Till You Make it: Self-Supervised Semantic Shifts for Monolingual Word Embedding Tasks [58.87961226278285]
  語彙意味変化をモデル化するための自己教師付きアプローチを提案する。 本手法は,任意のアライメント法を用いて意味変化の検出に利用できることを示す。 3つの異なるデータセットに対する実験結果を用いて,本手法の有用性について述べる。
  論文  参考訳（メタデータ） (2021-01-30T18:59:43Z)
• 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 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)
• Detecting Domain Polarity-Changes of Words in a Sentiment Lexicon [24.818142279945633]
  多くの感情語はドメインに依存している。つまり、一部のドメインでは肯定的であるが、一部のドメインでは否定的である。 本稿では,この問題に対処するためのグラフベースの手法を提案する。 実験結果から,複数の実世界のデータセット上での有効性が示された。
  論文  参考訳（メタデータ） (2020-04-29T17:35:05Z)
• 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)

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。