論文の概要: Position-Aware Tagging for Aspect Sentiment Triplet Extraction

• arxiv url: http://arxiv.org/abs/2010.02609v3
• Date: Tue, 9 Mar 2021 15:38:12 GMT
• ステータス: 処理完了
• システム内更新日: 2022-10-10 06:56:57.203273
• Title: Position-Aware Tagging for Aspect Sentiment Triplet Extraction
• Title（参考訳）: アスペクト感情三重項抽出のための位置認識タグ
• Authors: Lu Xu, Hao Li, Wei Lu, and Lidong Bing
• Abstract要約: Aspect Sentiment Triplet extract (ASTE) は、対象エンティティのトリプルを抽出するタスクであり、その感情の理由を説明する。 我々の観察では、三重項内の3つの要素は互いに非常に関連しており、このような三重項を抽出するジョイントモデルを構築する動機となっている。 本稿では,三つ子を共同抽出可能な新しい位置認識型タグ付け方式による最初のエンドツーエンドモデルを提案する。
• 参考スコア（独自算出の注目度）: 37.76744150888183
• License: http://creativecommons.org/licenses/by-nc-nd/4.0/
• Abstract: Aspect Sentiment Triplet Extraction (ASTE) is the task of extracting the triplets of target entities, their associated sentiment, and opinion spans explaining the reason for the sentiment. Existing research efforts mostly solve this problem using pipeline approaches, which break the triplet extraction process into several stages. Our observation is that the three elements within a triplet are highly related to each other, and this motivates us to build a joint model to extract such triplets using a sequence tagging approach. However, how to effectively design a tagging approach to extract the triplets that can capture the rich interactions among the elements is a challenging research question. In this work, we propose the first end-to-end model with a novel position-aware tagging scheme that is capable of jointly extracting the triplets. Our experimental results on several existing datasets show that jointly capturing elements in the triplet using our approach leads to improved performance over the existing approaches. We also conducted extensive experiments to investigate the model effectiveness and robustness.
• Abstract（参考訳）: アスペクト感情トリプレット抽出(aspect sentiment triplet extraction, aste)は、対象エンティティのトリプレット、関連する感情、感情の理由を説明する意見を抽出するタスクである。 既存の研究は主にパイプラインアプローチを用いてこの問題を解決し、三重項抽出プロセスをいくつかの段階に分けている。 我々の観察では,三重項内の3つの要素は互いに強く関連しており,このことから,シーケンスタグ付け手法を用いて三重項を抽出するジョイントモデルの構築が動機となっている。 しかしながら、要素間のリッチな相互作用を捉えることができる三重項を抽出するためのタグ付けアプローチを効果的に設計する方法は、難しい研究課題である。 本研究では,トリプレットを同時抽出可能な新しい位置認識タグ方式を用いた,最初のエンドツーエンドモデルを提案する。 既存のデータセットのいくつかの実験結果から,トリプレット内の要素を同時捕捉することで,既存のアプローチよりもパフォーマンスが向上することが示された。 また,モデルの有効性とロバスト性について広範な実験を行った。

関連論文リスト

• Few-shot Knowledge Graph Relational Reasoning via Subgraph Adaptation [51.47994645529258]
  Few-shot Knowledge Graph (KG) Reasoningは、KGにおける稀な関係に対して、目に見えない三つ子(すなわちクエリ三つ子)を予測することを目的としている。 本稿では,種々のサブグラフに文脈化グラフの情報を効果的に適応させる手法であるSAFER(Subgraph Adaptation for Few-shot Reasoning)を提案する。
  論文  参考訳（メタデータ） (2024-06-19T21:40:35Z)
• Prompt Based Tri-Channel Graph Convolution Neural Network for Aspect Sentiment Triplet Extraction [63.0205418944714]
  Aspect Sentiment Triplet extract (ASTE)は、ある文の三つ子を抽出する新しいタスクである。 近年の研究では、単語関係を二次元テーブルにエンコードするテーブル充填パラダイムを用いてこの問題に対処する傾向にある。 本稿では, 関係表をグラフに変換し, より包括的な関係情報を探索する, Prompt-based Tri-Channel Graph Convolution Neural Network (PT-GCN) と呼ばれるASTEタスクの新しいモデルを提案する。
  論文  参考訳（メタデータ） (2023-12-18T12:46:09Z)
• A Pairing Enhancement Approach for Aspect Sentiment Triplet Extraction [3.5838781091072143]
  Aspect Sentiment Triplet extractは、アスペクト項、意見項、およびそれらの対応する感情極性の三重項をレビューテキストから抽出することを目的としている。 言語の複雑さと一つの文に複数のアスペクト項と意見項が存在するため、現在のモデルはアスペクト項とそれを記述する意見項の関連を混乱させることが多い。 本稿では,三重項抽出モデルにアスペクト対ペアリング知識を注入するために,訓練段階におけるコントラスト学習を取り入れたASTEのペアリング強化手法を提案する。
  論文  参考訳（メタデータ） (2023-06-11T07:32:10Z)
• Span-level Bidirectional Cross-attention Framework for Aspect Sentiment Triplet Extraction [10.522014946035664]
  Aspect Sentiment Triplet extract (ASTE)は、アスペクト項、感情、意見項の三つ子をレビュー文から抽出することを目的とした、新しいきめ細かい感情分析タスクである。 本稿では,ASTEのための双方向双方向多目的フレームワークを提案する。 我々のフレームワークは最先端の手法よりも優れており、マルチトークンエンティティを用いた三重項予測の性能が向上している。
  論文  参考訳（メタデータ） (2022-04-27T02:55:43Z)
• PASTE: A Tagging-Free Decoding Framework Using Pointer Networks for Aspect Sentiment Triplet Extraction [12.921737393688245]
  Aspect Sentiment Triplet extract (ASTE)は、意見の対象または側面、関連する感情、およびそれに対応する意見用語/スパンからなる意見三つ子を抽出する。 我々は、ポイントネットワークベースのデコードフレームワークでエンコーダ・デコーダアーキテクチャを適用し、各ステップで全意見の三重項を生成する。
  論文  参考訳（メタデータ） (2021-10-10T13:39:39Z)
• Aspect Sentiment Triplet Extraction Using Reinforcement Learning [14.21689018940387]
  本稿では、表現された感情の議論として、アスペクトと意見項に関する新しいパラダイムASTE-RLを提案する。 まず、文章で表現された感情に注目し、その感情に対する対象的側面と意見条件を特定します。 このことは、探索とサンプル効率を改善しながら、三重項の成分間の相互相互作用を考慮に入れている。
  論文  参考訳（メタデータ） (2021-08-13T07:38:48Z)
• Semantic and Syntactic Enhanced Aspect Sentiment Triplet Extraction [18.331779474247323]
  Aspect Sentiment Triplet extractは、文章から三つ子を抽出することを目的としており、それぞれの三つ子には、エンティティ、関連する感情、そして感情の理由を説明する意見が含まれる。 本稿では,三重項要素間の統語的・意味的関係を完全に活用し,共同抽出を行うセマンティック・シンタクティック・エンハンスメント・アスペクト・センチメント三重項抽出モデル(S3E2)を提案する。
  論文  参考訳（メタデータ） (2021-06-07T03:16:51Z)
• First Target and Opinion then Polarity: Enhancing Target-opinion Correlation for Aspect Sentiment Triplet Extraction [45.82241446769157]
  Aspect Sentiment Triplet Extraction(ASTE)は、ターゲットエンティティ、関連する感情極性、および極性を合理化する意見スパンを含む文からトリプレットを抽出することを目的としています。 既存の方法は、目標対の相関関係の構築に短く、異なる感情三重項間の相互干渉を無視する。 シークエンスタギングによるターゲットと意見の相関性を高める新しい二段階法を提案する。
  論文  参考訳（メタデータ） (2021-02-17T03:28:17Z)
• Cross-Supervised Joint-Event-Extraction with Heterogeneous Information Networks [61.950353376870154]
  Joint-event- Extractは、トリガとエンティティのタグからなるタグセットを備えたシーケンスからシーケンスまでのラベリングタスクである。 トリガやエンティティの抽出を交互に監督するクロススーパーバイザードメカニズム(CSM)を提案する。 我々の手法は、エンティティとトリガー抽出の両方において最先端の手法よりも優れています。
  論文  参考訳（メタデータ） (2020-10-13T11:51:17Z)
• Contrastive Triple Extraction with Generative Transformer [72.21467482853232]
  生成変換器を用いた新しい3重抽出モデルを提案する。 具体的には,エンコーダデコーダをベースとした1つの共有トランスフォーマモジュールを提案する。 忠実な結果を得るために,新しい三重項コントラストトレーニングオブジェクトを提案する。
  論文  参考訳（メタデータ） (2020-09-14T05:29:24Z)

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。