論文の概要: Transformer-based Multi-Aspect Modeling for Multi-Aspect Multi-Sentiment
Analysis
- arxiv url: http://arxiv.org/abs/2011.00476v1
- Date: Sun, 1 Nov 2020 11:06:31 GMT
- ステータス: 処理完了
- システム内更新日: 2022-09-30 23:20:31.676902
- Title: Transformer-based Multi-Aspect Modeling for Multi-Aspect Multi-Sentiment
Analysis
- Title(参考訳): マルチスペクトルマルチセンス解析のためのトランスベースマルチスペクトルモデリング
- Authors: Zhen Wu and Chengcan Ying and Xinyu Dai and Shujian Huang and Jiajun
Chen
- Abstract要約: 本稿では,複数の側面間の潜在的な関係を抽出し,文中のすべての側面の感情を同時に検出できるトランスフォーマーベースのマルチアスペクトモデリング手法を提案する。
本手法はBERTやRoBERTaといった強力なベースラインと比較して顕著な改善を実現している。
- 参考スコア(独自算出の注目度): 56.893393134328996
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Aspect-based sentiment analysis (ABSA) aims at analyzing the sentiment of a
given aspect in a sentence. Recently, neural network-based methods have
achieved promising results in existing ABSA datasets. However, these datasets
tend to degenerate to sentence-level sentiment analysis because most sentences
contain only one aspect or multiple aspects with the same sentiment polarity.
To facilitate the research of ABSA, NLPCC 2020 Shared Task 2 releases a new
large-scale Multi-Aspect Multi-Sentiment (MAMS) dataset. In the MAMS dataset,
each sentence contains at least two different aspects with different sentiment
polarities, which makes ABSA more complex and challenging. To address the
challenging dataset, we re-formalize ABSA as a problem of multi-aspect
sentiment analysis, and propose a novel Transformer-based Multi-aspect Modeling
scheme (TMM), which can capture potential relations between multiple aspects
and simultaneously detect the sentiment of all aspects in a sentence.
Experiment results on the MAMS dataset show that our method achieves noticeable
improvements compared with strong baselines such as BERT and RoBERTa, and
finally ranks the 2nd in NLPCC 2020 Shared Task 2 Evaluation.
- Abstract(参考訳): アスペクトベースの感情分析(ABSA)は、文中の特定の側面の感情を分析することを目的としている。
近年、ニューラルネットワークに基づく手法は既存のABSAデータセットで有望な結果を得た。
しかし、これらのデータセットは、ほとんどの文が同じ感情極性を持つ1つの側面または複数の側面しか含まないため、文レベルの感情分析に縮退する傾向がある。
ABSAの研究を容易にするため、NLPCC 2020 Shared Task 2は新しい大規模マルチアスペクトマルチセンサー(MAMS)データセットをリリースしている。
MAMSデータセットでは、各文は、感情極性が異なる少なくとも2つの異なる側面を含むため、ABSAはより複雑で困難である。
この課題に対処するため,ABSAをマルチアスペクト感情分析の課題として再フォーマットし,複数の側面間の潜在的な関係を抽出し,文中のすべての側面の感情を同時に検出するトランスフォーマーベースのマルチアスペクトモデリングスキーム(TMM)を提案する。
MAMSデータセットを用いた実験結果から,BERTやRoBERTaなどの強力なベースラインと比較して顕著な改善が得られ,最終的にNLPCC 2020 Shared Task 2 Evaluationの2位にランクインした。
関連論文リスト
- M-ABSA: A Multilingual Dataset for Aspect-Based Sentiment Analysis [23.523947343171926]
M-ABSAは、7つのドメインと21の言語にまたがる包括的なデータセットである。
私たちの主な焦点は三重項抽出であり、アスペクトの項、アスペクトのカテゴリ、感情の極性を特定することである。
実験により,このデータセットは多言語・多ドメイン移動学習などの多様な評価タスクを可能にすることがわかった。
論文 参考訳(メタデータ) (2025-02-17T14:16:01Z) - DS$^2$-ABSA: Dual-Stream Data Synthesis with Label Refinement for Few-Shot Aspect-Based Sentiment Analysis [28.40606116720525]
DS$2$-ABSAは、数ショットの感情分析のためのデュアルストリームデータ合成フレームワークである。
低リソース環境で多様な高品質のABSAサンプルを生成する。
論文 参考訳(メタデータ) (2024-12-19T13:39:47Z) - Bridging the Gap for Test-Time Multimodal Sentiment Analysis [7.871669754963032]
マルチモーダル感情分析(マルチモーダル感情分析、Multimodal sentiment analysis、MSA)は、複数のモーダルを通して人間の感情や感情を理解し、認識することを目的とした、新たな研究トピックである。
本稿では,コントラスト適応(Contrastive Adaptation)と安定擬似ラベル生成(Stable Pseudo-label generation, CASP)の2つの手法を提案する。
論文 参考訳(メタデータ) (2024-12-10T02:26:33Z) - Towards Robust Multimodal Sentiment Analysis with Incomplete Data [20.75292807497547]
頑健なマルチモーダル感性分析(MSA)を実現するための言語支配型耐雑音学習ネットワーク(LNLN)を提案する。
LNLNは、支配的モダリティ補正(DMC)モジュールと支配的モダリティベースマルチモーダル学習(DMML)モジュールを備え、様々なノイズシナリオにおけるモデルの堅牢性を高める。
論文 参考訳(メタデータ) (2024-09-30T07:14:31Z) - A Framework for Fine-Tuning LLMs using Heterogeneous Feedback [69.51729152929413]
ヘテロジニアスフィードバックを用いた大規模言語モデル(LLM)の微調整フレームワークを提案する。
まず、不均一なフィードバックデータをSFTやRLHFなどの手法と互換性のある単一の監視形式にまとめる。
次に、この統合されたフィードバックデータセットから、性能向上を得るために高品質で多様なサブセットを抽出する。
論文 参考訳(メタデータ) (2024-08-05T23:20:32Z) - 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) - Multi-Grained Multimodal Interaction Network for Entity Linking [65.30260033700338]
マルチモーダルエンティティリンクタスクは、マルチモーダル知識グラフへの曖昧な言及を解決することを目的としている。
MELタスクを解決するための新しいMulti-Grained Multimodal InteraCtion Network $textbf(MIMIC)$ frameworkを提案する。
論文 参考訳(メタデータ) (2023-07-19T02:11:19Z) - MEMD-ABSA: A Multi-Element Multi-Domain Dataset for Aspect-Based
Sentiment Analysis [23.959356414518957]
5つの領域にまたがる4つの要素をカバーする大規模マルチ要素マルチドメインデータセット(MEMD)を提案する。
複数のABSAサブタスクにおける生成的および非生成的ベースラインをオープンドメイン設定下で評価した。
論文 参考訳(メタデータ) (2023-06-29T14:03:49Z) - 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) - Bi-Bimodal Modality Fusion for Correlation-Controlled Multimodal
Sentiment Analysis [96.46952672172021]
Bi-Bimodal Fusion Network (BBFN) は、2対のモダリティ表現で融合を行う新しいエンドツーエンドネットワークである。
モデルは、モダリティ間の既知の情報不均衡により、2つのバイモーダルペアを入力として取る。
論文 参考訳(メタデータ) (2021-07-28T23:33:42Z)
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。