論文の概要: GRACE: Gradient Harmonized and Cascaded Labeling for Aspect-based Sentiment Analysis

• arxiv url: http://arxiv.org/abs/2009.10557v2
• Date: Fri, 25 Sep 2020 03:19:54 GMT
• ステータス: 処理完了
• システム内更新日: 2022-10-15 22:24:11.181199
• Title: GRACE: Gradient Harmonized and Cascaded Labeling for Aspect-based Sentiment Analysis
• Title（参考訳）: grace:アスペクトベース感情分析のための勾配調和ラベルとカスケードラベル
• Authors: Huaishao Luo, Lei Ji, Tianrui Li, Nan Duan, Daxin Jiang
• Abstract要約: 本稿では、これらの問題を解決するために、GRACE(GRadient hArmonized and CascadEd labeling model)を提案する。 提案モデルでは,複数のベンチマークデータセットの整合性向上を実現し,最先端の結果を生成する。
• 参考スコア（独自算出の注目度）: 90.43089622630258
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: In this paper, we focus on the imbalance issue, which is rarely studied in aspect term extraction and aspect sentiment classification when regarding them as sequence labeling tasks. Besides, previous works usually ignore the interaction between aspect terms when labeling polarities. We propose a GRadient hArmonized and CascadEd labeling model (GRACE) to solve these problems. Specifically, a cascaded labeling module is developed to enhance the interchange between aspect terms and improve the attention of sentiment tokens when labeling sentiment polarities. The polarities sequence is designed to depend on the generated aspect terms labels. To alleviate the imbalance issue, we extend the gradient harmonized mechanism used in object detection to the aspect-based sentiment analysis by adjusting the weight of each label dynamically. The proposed GRACE adopts a post-pretraining BERT as its backbone. Experimental results demonstrate that the proposed model achieves consistency improvement on multiple benchmark datasets and generates state-of-the-art results.
• Abstract（参考訳）: 本稿では,シーケンスラベリングタスクとして扱う場合,アスペクト項抽出やアスペクト感情分類においてほとんど研究されていない不均衡問題に焦点を当てる。 さらに、以前の作品は通常、極性を示す場合のアスペクト項間の相互作用を無視する。 我々はこれらの問題を解決するために、GRACE(GRadient hArmonized and CascadEd labeling model)を提案する。 具体的には、アスペクト項間の交換を強化し、感情極性をラベル付けする際の感情トークンの注意を向上するカスケードラベルモジュールを開発する。 極性シーケンスは生成されたアスペクト項ラベルに依存するように設計されている。 不均衡問題を緩和するため,各ラベルの重みを動的に調整することにより,対象検出に用いる勾配調和機構をアスペクトベース感情分析に拡張する。 提案されたGRACEは、後述のBERTをバックボーンとして採用している。 実験の結果,提案モデルでは,複数のベンチマークデータセットの一貫性が向上し,最新の結果が得られた。

関連論文リスト

• Adaptive Collaborative Correlation Learning-based Semi-Supervised Multi-Label Feature Selection [25.195711274756334]
  適応的協調相関 lEarning-based Semi-Supervised Multi-label Feature Selection (Access-MFS) 法を提案する。 具体的には、拡張された非相関制約を備えた一般化回帰モデルを導入し、識別的かつ無関係な特徴を選択する。 相関インスタンスとラベル相関を提案回帰モデルに統合し,サンプル類似度グラフとラベル類似度グラフの両方を適応的に学習する。
  論文  参考訳（メタデータ） (2024-06-18T01:47:38Z)
• STRAP: Structured Object Affordance Segmentation with Point Supervision [20.56373848741831]
  本研究では,探索されていない二重親和性-空間親和性とラベル親和性を相乗的に受け継いだ,点監督による割当セグメンテーションについて検討する。 新しいドメインのラベルを効果的にデジタイズすることで、ラベル関係を強化する高密度な予測ネットワークを考案する。 実験では,本手法をCAD120データセット上でベンチマークし,従来の手法に比べて大きな性能向上を示した。
  論文  参考訳（メタデータ） (2023-04-17T17:59:49Z)
• Exploiting Completeness and Uncertainty of Pseudo Labels for Weakly Supervised Video Anomaly Detection [149.23913018423022]
  弱教師付きビデオ異常検出は、ビデオレベルのラベルのみを用いて、ビデオ内の異常事象を特定することを目的としている。 2段階の自己学習法は擬似ラベルの自己生成によって著しく改善されている。 本稿では,自己学習のための完全性と不確実性を利用した強化フレームワークを提案する。
  論文  参考訳（メタデータ） (2022-12-08T05:53:53Z)
• Category-Adaptive Label Discovery and Noise Rejection for Multi-label Image Recognition with Partial Positive Labels [78.88007892742438]
  部分正ラベル(MLR-PPL)を用いたマルチラベルモデルの訓練が注目されている。 これまでの研究では、未知のラベルを負とみなし、従来のMLRアルゴリズムを採用した。 我々は,MLR-PPLタスクを容易にするために,異なる画像間の意味的相関について検討する。
  論文  参考訳（メタデータ） (2022-11-15T02:11:20Z)
• Uncertain Label Correction via Auxiliary Action Unit Graphs for Facial Expression Recognition [46.99756911719854]
  ULC-AGと呼ばれる補助行動単位(AU)グラフを用いて,表情の不確実なラベル補正を実現する。 ULC-AGはRAF-DBとAffectNetのデータセットでそれぞれ89.31%と61.57%の精度を達成した。
  論文  参考訳（メタデータ） (2022-04-23T11:09:43Z)
• Effective Token Graph Modeling using a Novel Labeling Strategy for Structured Sentiment Analysis [39.770652220521384]
  構造化感情分析の最先端モデルでは、タスクを依存性解析の問題として捉えている。 スパン予測とスパン関係予測のラベル比は不均衡である。 依存グラフの2つのノードは複数の弧を持つことができないため、重複した感情は認識できない。
  論文  参考訳（メタデータ） (2022-03-21T08:23:03Z)
• Label Noise in Adversarial Training: A Novel Perspective to Study Robust Overfitting [45.58217741522973]
  逆行訓練においてラベルノイズが存在することを示す。 このようなラベルノイズは、正反対例の真のラベル分布とクリーン例から受け継いだラベルとのミスマッチに起因する。 本稿では,ラベルノイズと頑健なオーバーフィッティングに対処するため,ラベルの自動校正手法を提案する。
  論文  参考訳（メタデータ） (2021-10-07T01:15:06Z)
• MatchGAN: A Self-Supervised Semi-Supervised Conditional Generative Adversarial Network [51.84251358009803]
  本稿では,条件付き生成逆数ネットワーク(GAN)に対する,半教師付き環境下での自己教師型学習手法を提案する。 利用可能な数少ないラベル付きサンプルのラベル空間から無作為なラベルをサンプリングして拡張を行う。 本手法は,ベースラインのトレーニングに使用したラベル付きサンプルの20%に過ぎません。
  論文  参考訳（メタデータ） (2020-06-11T17:14:55Z)
• Few-shot Slot Tagging with Collapsed Dependency Transfer and Label-enhanced Task-adaptive Projection Network [61.94394163309688]
  本稿では,現在最先端の少数ショット分類モデルであるTapNetに基づくラベル強化タスク適応プロジェクションネットワーク(L-TapNet)を提案する。 実験結果から,本モデルは1ショット設定で14.64点のF1スコアで最強の少ショット学習ベースラインを著しく上回っていることがわかった。
  論文  参考訳（メタデータ） (2020-06-10T07:50:44Z)

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。