Fugu-MT 論文翻訳(概要): YASO: A New Benchmark for Targeted Sentiment Analysis

論文の概要: YASO: A New Benchmark for Targeted Sentiment Analysis

arxiv url: http://arxiv.org/abs/2012.14541v1
Date: Tue, 29 Dec 2020 00:25:15 GMT
ステータス: 処理完了
システム内更新日: 2021-04-18 20:43:19.615602
Title: YASO: A New Benchmark for Targeted Sentiment Analysis
Title（参考訳）: YASO: ターゲットの知覚分析のための新しいベンチマーク
Authors: Matan Orbach, Orith Toledo-Ronen, Artem Spector, Ranit Aharonov, Yoav Katz and Noam Slonim
Abstract要約: YASO - クラウドソースによる新たなTSA評価データセット。データセットには、映画、ビジネス、製品レビューからの2,215の英語文と、7,415の単語とそれらの感情が含まれている。分析はアノテーションの信頼性を検証し,収集したデータの特徴について検討する。
参考スコア（独自算出の注目度）: 12.60266470026856
License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
Abstract: Sentiment analysis research has shifted over the years from the analysis of full documents or single sentences to a finer-level of detail -- identifying the sentiment towards single words or phrases -- with the task of Targeted Sentiment Analysis (TSA). While this problem is attracting a plethora of works focusing on algorithmic aspects, they are typically evaluated on a selection from a handful of datasets, and little effort, if any, is dedicated to the expansion of the available evaluation data. In this work, we present YASO -- a new crowd-sourced TSA evaluation dataset, collected using a new annotation scheme for labeling targets and their sentiments. The dataset contains 2,215 English sentences from movie, business and product reviews, and 7,415 terms and their corresponding sentiments annotated within these sentences. Our analysis verifies the reliability of our annotations, and explores the characteristics of the collected data. Lastly, benchmark results using five contemporary TSA systems lay the foundation for future work, and show there is ample room for improvement on this challenging new dataset.
Abstract（参考訳）: センチメント分析研究は、完全な文書や単一文の分析から、ターゲットセンチメント分析(TSA)のタスクによって、単一の単語やフレーズに対する感情を識別する細部まで、長年にわたって変化してきた。この問題はアルゴリズム的な側面に焦点を当てた多くの研究を引き寄せているが、通常は少数のデータセットからの選択に基づいて評価される。本稿では,ターゲットとその感情をラベル付けするための新しいアノテーションスキームを用いて収集した,クラウドソースtsa評価データセットであるyasoを提案する。このデータセットには、映画、ビジネス、製品レビューからの2,215の英語文と、7,415の用語と、それらの文章に注釈が付けられた対応する感情が含まれている。分析はアノテーションの信頼性を検証し,収集したデータの特徴について検討する。最後に、現在の5つのTSAシステムを使用したベンチマーク結果が今後の作業の基礎となり、この挑戦的な新しいデータセットを改善する余地が十分にあることを示す。

関連論文リスト

Wiki-TabNER:Advancing Table Interpretation Through Named Entity Recognition [19.423556742293762]
TIタスクの評価に広く用いられているベンチマークデータセットを分析した。この欠点を克服するため、我々はより困難なデータセットを構築し、注釈付けします。本稿では,新たに開発された大規模言語モデルを評価するためのプロンプトフレームワークを提案する。
論文参考訳（メタデータ） (2024-03-07T15:22:07Z)
Text2Analysis: A Benchmark of Table Question Answering with Advanced Data Analysis and Unclear Queries [67.0083902913112]
高度な解析タスクを取り入れたText2Analysisベンチマークを開発した。また,5つのイノベーティブかつ効果的なアノテーション手法を開発した。 3つの異なる指標を用いて5つの最先端モデルを評価する。
論文参考訳（メタデータ） (2023-12-21T08:50:41Z)
SOUL: Towards Sentiment and Opinion Understanding of Language [96.74878032417054]
我々は、言語感覚とオピニオン理解(SOUL)と呼ばれる新しいタスクを提案する。 SOULは2つのサブタスクを通して感情理解を評価することを目的としている:レビュー(RC)と正当化生成(JG)。
論文参考訳（メタデータ） (2023-10-27T06:48:48Z)
OATS: Opinion Aspect Target Sentiment Quadruple Extraction Dataset for Aspect-Based Sentiment Analysis [55.61047894397937]
アスペクトベースの感情分析(ABSA)は、ユーザ生成レビュー内の異なる要素に特有の感情を理解する。 OATSデータセットは3つの新しいドメインを包含し,27,470の文レベルと17,092のレビューレベルから構成される。私たちのイニシアチブは、レストランやラップトップのようなよく知られたドメイン、複雑な四重項抽出タスクのための限られたデータ、時には文とレビューレベルの感情の相乗効果の監視といった、特定の観察されたギャップを埋めることを目指しています。
論文参考訳（メタデータ） (2023-09-23T07:39:16Z)
Entity-Level Sentiment Analysis (ELSA): An exploratory task survey [2.191505742658975]
本稿は、文書中の自発的な実体に対して表される全体的感情を識別するタスクについて考察する。我々のデータセットの感情は、対象として言及されるエンティティだけでなく、自発的なエンティティと感情関連のあるターゲットにも表現されている。
論文参考訳（メタデータ） (2023-04-27T15:01:20Z)
DiaASQ : A Benchmark of Conversational Aspect-based Sentiment Quadruple Analysis [84.80347062834517]
本稿では,対話における目標視差感の4倍を検出することを目的としたDiaASQを紹介する。中国語と英語の両方で大規模なDiaASQデータセットを手作業で構築する。我々は、タスクをベンチマークするニューラルネットワークを開発し、エンドツーエンドの4倍の予測を効果的に実行する。
論文参考訳（メタデータ） (2022-11-10T17:18:20Z)
Survey of Aspect-based Sentiment Analysis Datasets [55.61047894397937]
アスペクトベースの感情分析(ABSA)は、ユーザ生成レビューの分析を必要とする自然言語処理の問題である。 ABSAの多くの散在したコーパスは、研究者が特定のABSAサブタスクに適したコーパスを素早く特定することを困難にしている。本研究では,自律型ABSAシステムの学習・評価に使用できるコーパスデータベースを提案する。
論文参考訳（メタデータ） (2022-04-11T16:23:36Z)
SLUE: New Benchmark Tasks for Spoken Language Understanding Evaluation on Natural Speech [44.68649535280397]
音声言語理解評価(SLUE)のための一連のベンチマークタスクを提案する。 SLUEは限定的なラベル付きトレーニングセットとそれに対応する評価セットで構成されている。本稿では,SLUEベンチマークスイートの第1フェーズについて述べる。本稿では,VoxCelebデータセットとVoxPopuliデータセットのサブセットに対する新たな書き起こしとアノテーション,ベースラインモデルの評価指標と結果,ベースラインを再現し,新しいモデルを評価するためのオープンソースツールキットを提供する。
論文参考訳（メタデータ） (2021-11-19T18:59:23Z)
Exploring Conditional Text Generation for Aspect-Based Sentiment Analysis [28.766801337922306]
アスペクトベース感情分析(Aspect-based sentiment analysis、ABSA)は、ユーザ生成レビューを処理して評価対象を決定するNLPタスクである。本稿では,ABSAを抽象的な要約型条件文生成タスクに変換し,目的,側面,極性を用いて補助文を生成することを提案する。
論文参考訳（メタデータ） (2021-10-05T20:08:25Z)
Author's Sentiment Prediction [13.459029439420872]
PerSenTは、ニュース記事の主要なエンティティに対して著者が表現した感情のクラウドソースアノテーションのデータセットである。データセットには段落レベルの感情アノテーションが含まれており、タスクのよりきめ細かい監視を提供する。我々はこのデータセットを5.3kの文書と38kの段落で公開し、エンティティの感情分析の課題として3.2kのユニークなエンティティをカバーした。
論文参考訳（メタデータ） (2020-11-12T00:03:26Z)
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)

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。