論文の概要: Sentence Constituent-Aware Aspect-Category Sentiment Analysis with Graph Attention Networks

• arxiv url: http://arxiv.org/abs/2010.01461v1
• Date: Sun, 4 Oct 2020 01:23:17 GMT
• ステータス: 処理完了
• システム内更新日: 2022-10-11 03:42:09.254771
• Title: Sentence Constituent-Aware Aspect-Category Sentiment Analysis with Graph Attention Networks
• Title（参考訳）: グラフアテンションネットワークを用いた文構成型アスペクトカテゴリー知覚分析
• Authors: Yuncong Li, Cunxiang Yin and Sheng-hua Zhong
• Abstract要約: アスペクトカテゴリー感情分析は、文章で議論されたアスペクトカテゴリーの感情極性を予測することを目的としている。 アスペクト・カテゴリ・感情分析のためのSentence Constituent-Aware Network(SCAN)を提案する。
• 参考スコア（独自算出の注目度）: 9.287196185066565
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Aspect category sentiment analysis (ACSA) aims to predict the sentiment polarities of the aspect categories discussed in sentences. Since a sentence usually discusses one or more aspect categories and expresses different sentiments toward them, various attention-based methods have been developed to allocate the appropriate sentiment words for the given aspect category and obtain promising results. However, most of these methods directly use the given aspect category to find the aspect category-related sentiment words, which may cause mismatching between the sentiment words and the aspect categories when an unrelated sentiment word is semantically meaningful for the given aspect category. To mitigate this problem, we propose a Sentence Constituent-Aware Network (SCAN) for aspect-category sentiment analysis. SCAN contains two graph attention modules and an interactive loss function. The graph attention modules generate representations of the nodes in sentence constituency parse trees for the aspect category detection (ACD) task and the ACSA task, respectively. ACD aims to detect aspect categories discussed in sentences and is a auxiliary task. For a given aspect category, the interactive loss function helps the ACD task to find the nodes which can predict the aspect category but can't predict other aspect categories. The sentiment words in the nodes then are used to predict the sentiment polarity of the aspect category by the ACSA task. The experimental results on five public datasets demonstrate the effectiveness of SCAN.
• Abstract（参考訳）: アスペクトカテゴリー感情分析(ACSA)は、文章で議論されたアスペクトカテゴリーの感情極性を予測することを目的としている。 文は通常、1つ以上のアスペクトカテゴリを議論し、それらに対する異なる感情を表現するため、与えられたアスペクトカテゴリに対して適切な感情語を割り当て、有望な結果を得るために様々な注意ベースの手法が開発されている。 しかし、これらの手法の多くは、与えられたアスペクトのカテゴリを直接使用してアスペクトのカテゴリ関連感情語を見つけ、これは、特定のアスペクトのカテゴリに対して意味論的に無関係な感情語が意味のある場合に、感情の単語とアスペクトのカテゴリのミスマッチを引き起こす可能性がある。 この問題を軽減するために,アスペクト・カテゴリ・感情分析のためのSentence Constituent-Aware Network (SCAN)を提案する。 SCANには2つのグラフアテンションモジュールとインタラクティブな損失関数が含まれている。 グラフアテンションモジュールは、アスペクトカテゴリ検出(ACD)タスクとACSAタスクとに対して、文選択構文木中のノードの表現を生成する。 ACDは、文章で議論されているアスペクトカテゴリを検出し、補助的なタスクである。 任意のアスペクトカテゴリに対して、対話的損失関数は、acdタスクがアスペクトカテゴリを予測できるが他のアスペクトカテゴリを予測できないノードを見つけるのに役立つ。 ノード内の感情語は、ACSAタスクによってアスペクトカテゴリの感情極性を予測するために使用される。 5つの公開データセットの実験結果はSCANの有効性を示している。

関連論文リスト

• You Shall Know a Tool by the Traces it Leaves: The Predictability of Sentiment Analysis Tools [74.98850427240464]
  感情分析ツールが同じデータセットで一致しないことを示す。 感傷的アノテーションに使用される感情ツールは,その結果から予測できることを示す。
  論文  参考訳（メタデータ） (2024-10-18T17:27:38Z)
• Category-Extensible Out-of-Distribution Detection via Hierarchical Context Descriptions [35.20091752343433]
  この研究は2つの階層的文脈、すなわち知覚的文脈と刺激的文脈を導入し、正確な圏境界を注意深く記述する。 2つの文脈は、あるカテゴリの正確な記述を階層的に構成するが、これはまず、予測されたカテゴリにサンプルを大まかに分類する。 CATegory-Extensible OOD Detection (CATEX)
  論文  参考訳（メタデータ） (2024-07-23T12:53:38Z)
• Enhanced Coherence-Aware Network with Hierarchical Disentanglement for Aspect-Category Sentiment Analysis [12.024076910894417]
  本稿では,ACSAタスクの階層的絡み合い(ECAN)を考慮したコヒーレンス対応ネットワークを提案する。 我々は,コヒーレンス表現に絡み合った複数のカテゴリと感情を効果的に分離し,SOTA(State-of-the-art)のパフォーマンスを実現する。
  論文  参考訳（メタデータ） (2024-03-15T11:32:44Z)
• AttrSeg: Open-Vocabulary Semantic Segmentation via Attribute Decomposition-Aggregation [33.25304533086283]
  オープンボキャブラリセマンティックセグメンテーションは、推論時に新しいオブジェクトカテゴリをセグメンテーションする必要がある難しいタスクである。 最近の研究では、この課題に対処するために視覚言語による事前訓練が検討されているが、現実的なシナリオでは非現実的な仮定に悩まされている。 本研究は,新しい概念を理解する上で,人間の認知に触発された新しい属性分解集約フレームワークであるAttrSegを提案する。
  論文  参考訳（メタデータ） (2023-08-31T19:34:09Z)
• Sentiment-Aware Word and Sentence Level Pre-training for Sentiment Analysis [64.70116276295609]
  SentiWSPは、WordレベルとSentenceレベルの事前トレーニングタスクを組み合わせた、Sentiment対応の事前トレーニング言語モデルである。 SentiWSPは、様々な文レベルおよびアスペクトレベルの感情分類ベンチマーク上で、最先端のパフォーマンスを新たに達成する。
  論文  参考訳（メタデータ） (2022-10-18T12:25:29Z)
• Eliminating Sentiment Bias for Aspect-Level Sentiment Classification with Unsupervised Opinion Extraction [47.09579655541417]
  ALSCは文中の特定の側面の感情極性を特定することを目的としている。 最近の作業では、ALSCのための事前訓練されたトランスフォーマーエンコーダを微調整してアスペクト中心の依存性ツリーを抽出している。 本研究では,スパンベースのアンチバイアスアスペクト表現学習フレームワークを提案する。
  論文  参考訳（メタデータ） (2021-09-06T12:32:42Z)
• Category Contrast for Unsupervised Domain Adaptation in Visual Tasks [92.9990560760593]
  本稿では,視覚的 UDA タスクのインスタンス識別に先立って,セマンティックな事前情報を導入した新しいカテゴリコントラスト手法(CaCo)を提案する。 CaCoは既存のUDAメソッドを補完し、半教師付き学習や教師なしモデル適応などの他の学習設定に一般化可能である。
  論文  参考訳（メタデータ） (2021-06-05T12:51:35Z)
• Towards Novel Target Discovery Through Open-Set Domain Adaptation [73.81537683043206]
  オープンソースドメイン適応(OSDA)は、ターゲットドメインが外部のソースドメインでは観察できない新しいカテゴリのサンプルを含むと考えている。 対象領域に見られるカテゴリを正確に識別し,未知のカテゴリのセマンティクス特性を効果的に回復するための新しいフレームワークを提案する。
  論文  参考訳（メタデータ） (2021-05-06T04:22:29Z)
• 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)
• Multi-Instance Multi-Label Learning Networks for Aspect-Category Sentiment Analysis [8.378067521821045]
  Aspect-Category sentiment analysis (AC-MIMLLN) のためのマルチインスタンスマルチラベル学習ネットワークを提案する。 AC-MIMLLNは、文章をバッグ、単語をインスタンスとして扱い、アスペクトカテゴリのキーインスタンスとしてアスペクトカテゴリを示す単語を扱います。 3つの公開データセットの実験結果から,AC-MIMLLNの有効性が示された。
  論文  参考訳（メタデータ） (2020-10-06T12:07:54Z)

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。