論文の概要: Simple Unsupervised Similarity-Based Aspect Extraction
- arxiv url: http://arxiv.org/abs/2008.10820v1
- Date: Tue, 25 Aug 2020 04:58:07 GMT
- ステータス: 処理完了
- システム内更新日: 2022-10-25 03:43:35.206069
- Title: Simple Unsupervised Similarity-Based Aspect Extraction
- Title（参考訳）: 単純教師なし類似度に基づくアスペクト抽出
- Authors: Danny Suarez Vargas, Lucas R. C. Pessutto, and Viviane Pereira Moreira
- Abstract要約: アスペクト抽出のための単純なアプローチSUAExを提案する。
SUAExは教師なしであり、単語埋め込みの類似性のみに依存している。
3つの異なる領域のデータセットに対する実験結果から、SUAExは最先端の注目に基づくアプローチをわずかに上回る結果が得られることが示されている。
- 参考スコア（独自算出の注目度）: 0.9558392439655015
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: In the context of sentiment analysis, there has been growing interest in
performing a finer granularity analysis focusing on the specific aspects of the
entities being evaluated. This is the goal of Aspect-Based Sentiment Analysis
(ABSA) which basically involves two tasks: aspect extraction and polarity
detection. The first task is responsible for discovering the aspects mentioned
in the review text and the second task assigns a sentiment orientation
(positive, negative, or neutral) to that aspect. Currently, the
state-of-the-art in ABSA consists of the application of deep learning methods
such as recurrent, convolutional and attention neural networks. The limitation
of these techniques is that they require a lot of training data and are
computationally expensive. In this paper, we propose a simple approach called
SUAEx for aspect extraction. SUAEx is unsupervised and relies solely on the
similarity of word embeddings. Experimental results on datasets from three
different domains have shown that SUAEx achieves results that can outperform
the state-of-the-art attention-based approach at a fraction of the time.
- Abstract（参考訳）: 感情分析の文脈では、評価対象エンティティの特定の側面に注目して、より細かい粒度分析を行うことへの関心が高まっている。
これはアスペクトベースの知覚分析(ABSA)の目標であり、基本的にアスペクト抽出と極性検出という2つのタスクを含む。
第1のタスクはレビューテキストで言及されている側面を発見する責任があり、第2のタスクはその側面に対して感情指向(肯定的、否定的、中立的)を割り当てる。
現在、ABSAの最先端技術は、リカレント、畳み込み、アテンションニューラルネットワークなどのディープラーニング手法を適用している。
これらの技術の限界は、多くのトレーニングデータを必要とし、計算コストが高いことである。
本稿では,アスペクト抽出のための単純なアプローチ suaex を提案する。
SUAExは教師なしであり、単語埋め込みの類似性のみに依存している。
3つの異なる領域のデータセットに対する実験結果から、SUAExは最先端の注目に基づくアプローチをわずかに上回る結果が得られることが示されている。
関連論文リスト
- 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) - OATS: Opinion Aspect Target Sentiment Quadruple Extraction Dataset for
Aspect-Based Sentiment Analysis [55.61047894397937]
アスペクトベースの感情分析(ABSA)は、ユーザ生成レビュー内の異なる要素に特有の感情を理解する。
OATSデータセットは3つの新しいドメインを包含し,27,470の文レベルと17,092のレビューレベルから構成される。
私たちのイニシアチブは、レストランやラップトップのようなよく知られたドメイン、複雑な四重項抽出タスクのための限られたデータ、時には文とレビューレベルの感情の相乗効果の監視といった、特定の観察されたギャップを埋めることを目指しています。
論文 参考訳（メタデータ） (2023-09-23T07:39:16Z) - Instruction Tuning for Few-Shot Aspect-Based Sentiment Analysis [72.9124467710526]
生成的アプローチは、テキストから(1つ以上の)4つの要素を1つのタスクとして抽出するために提案されている。
本稿では,ABSAを解くための統一的なフレームワークと,それに関連するサブタスクを提案する。
論文 参考訳（メタデータ） (2022-10-12T23:38:57Z) - A Simple Information-Based Approach to Unsupervised Domain-Adaptive
Aspect-Based Sentiment Analysis [58.124424775536326]
本稿では,相互情報に基づくシンプルだが効果的な手法を提案し,それらの用語を抽出する。
実験の結果,提案手法はクロスドメインABSAの最先端手法よりも4.32%高い性能を示した。
論文 参考訳（メタデータ） (2022-01-29T10:18:07Z) - Deep Context- and Relation-Aware Learning for Aspect-based Sentiment
Analysis [3.7175198778996483]
本研究では,深い文脈情報を持つサブタスク間での対話的関係を実現するディープ・コンテクスチュアライズド・リレーア・アウェア・ネットワーク(DCRAN)を提案する。
DCRANは3つの広く使用されているベンチマークにおいて、従来の最先端の手法よりも大きなマージンで優れている。
論文 参考訳（メタデータ） (2021-06-07T17:16:15Z) - A Joint Training Dual-MRC Framework for Aspect Based Sentiment Analysis [9.587513675287829]
アスペクトベースの感情分析は、アスペクト項抽出、意見項抽出、アスペクトレベルの感情分類の3つの基本的なサブタスクを含む。
以前のアプローチでは、すべてのサブタスクを統一されたエンドツーエンドフレームワークで解決できなかった。
パラメータ共有による2つのBERT-MRCモデルの共同トレーニングにより、2つの機械読解問題を構築し、すべてのサブタスクを解決します。
論文 参考訳（メタデータ） (2021-01-04T07:47:53Z) - 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 Simple and Effective Self-Supervised Contrastive Learning Framework
for Aspect Detection [15.36713547251997]
UADタスクのための新しいスムーズな自己意識(SSA)モジュールを備えた自己教師付きコントラスト学習フレームワークとアテンションベースモデルを提案する。
提案手法は, 公開されているベンチマークユーザレビューデータセットにおいて, 教師なし, 弱教師付きアプローチよりも優れている。
論文 参考訳（メタデータ） (2020-09-18T22:13:49Z) - An Iterative Multi-Knowledge Transfer Network for Aspect-Based Sentiment
Analysis [73.7488524683061]
本稿では,エンド・ツー・エンドABSAのための新しいIterative Multi-Knowledge Transfer Network (IMKTN)を提案する。
我々のIMKTNは、よく設計されたルーティングアルゴリズムを用いて、3つのサブタスクのうち2つのタスク固有の知識をトークンレベルで別のタスクに転送する。
3つのベンチマークデータセットの実験結果は、我々のアプローチの有効性と優位性を示している。
論文 参考訳（メタデータ） (2020-04-04T13:49:54Z) - Toward Tag-free Aspect Based Sentiment Analysis: A Multiple Attention
Network Approach [12.100371588940256]
マルチアテンションネットワーク(MAN)は、テキストレビューからアスペクトレベルと全体的な感情を抽出することができる。
我々は、他の最先端のABSAアプローチと比較して、MANの強い性能を示す広範囲な実験を行った。
論文 参考訳（メタデータ） (2020-03-22T20:18:20Z)
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。