論文の概要: Grid Tagging Scheme for Aspect-oriented Fine-grained Opinion Extraction

• arxiv url: http://arxiv.org/abs/2010.04640v2
• Date: Tue, 3 Nov 2020 15:55:08 GMT
• ステータス: 処理完了
• システム内更新日: 2022-10-09 05:32:13.672671
• Title: Grid Tagging Scheme for Aspect-oriented Fine-grained Opinion Extraction
• Title（参考訳）: アスペクト指向細粒度意見抽出のためのグリッドタグ付け手法
• Authors: Zhen Wu, Chengcan Ying, Fei Zhao, Zhifang Fan, Xinyu Dai, Rui Xia
• Abstract要約: 本稿では,AFOEタスクを1つの統一グリッドタギングタスクのみでエンドツーエンドに処理するための新しいタグ付け方式であるGrid Tagging Scheme(GTS)を提案する。 CNN, BiLSTM, BERTに基づく3つの異なるGTSモデルを実装し, アスペクト指向の意見対抽出と意見三重項抽出データセットの実験を行った。
• 参考スコア（独自算出の注目度）: 34.698208867292394
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Aspect-oriented Fine-grained Opinion Extraction (AFOE) aims at extracting aspect terms and opinion terms from review in the form of opinion pairs or additionally extracting sentiment polarity of aspect term to form opinion triplet. Because of containing several opinion factors, the complete AFOE task is usually divided into multiple subtasks and achieved in the pipeline. However, pipeline approaches easily suffer from error propagation and inconvenience in real-world scenarios. To this end, we propose a novel tagging scheme, Grid Tagging Scheme (GTS), to address the AFOE task in an end-to-end fashion only with one unified grid tagging task. Additionally, we design an effective inference strategy on GTS to exploit mutual indication between different opinion factors for more accurate extractions. To validate the feasibility and compatibility of GTS, we implement three different GTS models respectively based on CNN, BiLSTM, and BERT, and conduct experiments on the aspect-oriented opinion pair extraction and opinion triplet extraction datasets. Extensive experimental results indicate that GTS models outperform strong baselines significantly and achieve state-of-the-art performance.
• Abstract（参考訳）: アスペクト指向の微粒なオピニオン抽出(AFOE)は、意見対の形でアスペクト項と意見項をレビューから抽出することや、意見三重項を形成するためにアスペクト項の感情極性を抽出することを目的としている。 いくつかの意見要因を含むため、完全なAFOEタスクは通常、複数のサブタスクに分割され、パイプラインで達成される。 しかし、パイプラインアプローチは、現実のシナリオではエラーの伝播と不便に苦しむ。 そこで本研究では,AFOEタスクを1つの統一グリッドタグタスクのみでエンドツーエンドに処理するための新しいタグ付け方式であるGrid Tagging Scheme(GTS)を提案する。 さらに,より正確な抽出のために,異なる意見因子間の相互適応を利用するために,gts上で効果的な推論戦略を設計する。 CNN, BiLSTM, BERTの3つの異なるGTSモデルを実装し, アスペクト指向の意見対抽出および意見三重項抽出データセットの実験を行った。 実験結果から, GTSモデルは高いベースラインを著しく上回り, 最先端の性能を達成することが示唆された。

関連論文リスト

• ACTRESS: Active Retraining for Semi-supervised Visual Grounding [52.08834188447851]
  前回の研究であるRefTeacherは、疑似自信と注意に基づく監督を提供するために教師学生の枠組みを採用することで、この課題に取り組むための最初の試みである。 このアプローチは、Transformerベースのパイプラインに従う現在の最先端のビジュアルグラウンドモデルと互換性がない。 本稿では, ACTRESS を略したセミスーパービジョン視覚グラウンドのためのアクティブ・リトレーニング手法を提案する。
  論文  参考訳（メタデータ） (2024-07-03T16:33:31Z)
• Effective Edge-wise Representation Learning in Edge-Attributed Bipartite Graphs [22.896511369954286]
  本稿では,エッジ分散二部グラフ(EABG)のためのグラフ表現学習法を提案する。 エッジの観点からの構造と属性のセマンティクスを取り入れ、AEBGにおける2つの異種ノード集合 U と V の別個の影響を考慮している。 APでは少なくとも38.11%、AUCでは1.86%を達成している。
  論文  参考訳（メタデータ） (2024-06-19T09:11:03Z)
• Beat: Bi-directional One-to-Many Embedding Alignment for Text-based Person Retrieval [66.61856014573742]
  テキストベースの人物検索(TPR)は、テキスト記述に基づいて特定の個人を検索する難題である。 これまでは、テキストと画像のサンプルをモーダルシェード空間で整列させようと試みてきた。 本稿では,各サンプルに対して明確な最適化方向を提供する,効果的な双方向一対多埋め込みパラダイムを提案する。
  論文  参考訳（メタデータ） (2024-06-09T03:06:55Z)
• 360 Layout Estimation via Orthogonal Planes Disentanglement and Multi-view Geometric Consistency Perception [56.84921040837699]
  既存のパノラマ配置推定ソリューションは、垂直圧縮されたシーケンスから部屋の境界を復元し、不正確な結果をもたらす傾向にある。 そこで本稿では,直交平面不整合ネットワーク(DOPNet)を提案し,あいまいな意味論を識別する。 また,水平深度と比表現に適した教師なし適応手法を提案する。 本手法は,単分子配置推定と多視点レイアウト推定の両タスクにおいて,他のSoTAモデルよりも優れる。
  論文  参考訳（メタデータ） (2023-12-26T12:16:03Z)
• Consistency Regularization for Deep Face Anti-Spoofing [69.70647782777051]
  顔認証システムでは、顔認証(FAS)が重要な役割を担っている。 このエキサイティングな観察によって、異なる視点の特徴整合性を促進することが、FASモデルを促進するための有望な方法かもしれないと推測する。 FASにおけるEPCR(Embeddding-level and Prediction-level Consistency Regularization)とEPCR(Embeddding-level Consistency Regularization)を併用した。
  論文  参考訳（メタデータ） (2021-11-24T08:03:48Z)
• 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)
• Adjacency List Oriented Relational Fact Extraction via Adaptive Multi-task Learning [24.77542721790553]
  本稿では,すべての事実抽出モデルをグラフ指向分析の観点から整理可能であることを示す。 この分析枠組みに基づいて,効率的なモデルaDjacency lIst oRientational faCT(Direct)を提案する。
  論文  参考訳（メタデータ） (2021-06-03T02:57:08Z)
• Bidirectional Machine Reading Comprehension for Aspect Sentiment Triplet Extraction [8.208671244754317]
  アスペクトセンチメントトリプレット抽出(ASTE)は、きめ細かいオピニオンマイニングの新たなタスクです。 我々はASTEタスクをマルチターン機械読解(MTMRC)タスクに変換する。 本稿では,この課題に対処する双方向MRC(BMRC)フレームワークを提案する。
  論文  参考訳（メタデータ） (2021-03-13T09:30:47Z)
• A Multi-task Learning Framework for Opinion Triplet Extraction [24.983625011760328]
  本稿では,意見三重項抽出課題としてのABSAの新たな視点について述べる。 アスペクト項と意見項を協調的に抽出するマルチタスク学習フレームワークを提案する。 提案するフレームワークを,ASBAの4つのSemEvalベンチマークで評価する。
  論文  参考訳（メタデータ） (2020-10-04T08:31:54Z)
• Deep Semantic Matching with Foreground Detection and Cycle-Consistency [103.22976097225457]
  深層ネットワークに基づく弱い教師付きセマンティックマッチングに対処する。 本研究では,背景乱れの影響を抑えるために,前景領域を明示的に推定する。 複数の画像にまたがって予測変換を強制し、幾何的に可視かつ一貫したサイクル一貫性の損失を発生させる。
  論文  参考訳（メタデータ） (2020-03-31T22:38:09Z)

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。