論文の概要: Improving Document-Level Sentiment Classification Using Importance of Sentences

• arxiv url: http://arxiv.org/abs/2103.05167v1
• Date: Tue, 9 Mar 2021 01:29:08 GMT
• ステータス: 処理完了
• システム内更新日: 2021-03-11 17:08:12.812662
• Title: Improving Document-Level Sentiment Classification Using Importance of Sentences
• Title（参考訳）: 文の重要度を利用した文書レベル感性分類の改善
• Authors: Gihyeon Choi, Shinhyeok Oh and Harksoo Kim
• Abstract要約: 深層ニューラルネットワークに基づく文書レベルの文分類モデルを提案する。 映画レビュー,ホテルレビュー,レストランレビュー,音楽レビューなど,4つの異なる領域における感情データセットを用いた実験を行った。 実験の結果,文書レベルの感情分類タスクでは文の重要性を考慮すべきであることがわかった。
• 参考スコア（独自算出の注目度）: 3.007949058551534
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Previous researchers have considered sentiment analysis as a document classification task, in which input documents are classified into predefined sentiment classes. Although there are sentences in a document that support important evidences for sentiment analysis and sentences that do not, they have treated the document as a bag of sentences. In other words, they have not considered the importance of each sentence in the document. To effectively determine polarity of a document, each sentence in the document should be dealt with different degrees of importance. To address this problem, we propose a document-level sentence classification model based on deep neural networks, in which the importance degrees of sentences in documents are automatically determined through gate mechanisms. To verify our new sentiment analysis model, we conducted experiments using the sentiment datasets in the four different domains such as movie reviews, hotel reviews, restaurant reviews, and music reviews. In the experiments, the proposed model outperformed previous state-of-the-art models that do not consider importance differences of sentences in a document. The experimental results show that the importance of sentences should be considered in a document-level sentiment classification task.
• Abstract（参考訳）: 従来の研究者は、感情分析は文書分類タスクであり、入力された文書を予め定義された感情クラスに分類する。 文書には感情分析の重要な証拠を裏付ける文とそうでない文があるが、彼らは文書を文の袋として扱っている。 言い換えれば、彼らは文書内の各文の重要性を考慮していません。 文書の極性を効果的に決定するためには、文書内の各文は異なる重要度で扱われるべきである。 この問題に対処するため,深層ニューラルネットワークに基づく文書レベルの文分類モデルを提案し,ゲート機構を用いて文書中の文の重要度を自動的に決定する。 新しい感情分析モデルを検証するために、映画レビュー、ホテルレビュー、レストランレビュー、音楽レビューなどの4つの異なるドメインの感情データセットを使用して実験を行いました。 実験では,提案手法は文書中の文の重要さを考慮しない従来の最先端モデルよりも優れていた。 実験の結果,文書レベルの感情分類タスクでは文の重要性を考慮すべきであることがわかった。

関連論文リスト

• Same or Different? Diff-Vectors for Authorship Analysis [78.83284164605473]
  古典的な著作物分析において、特徴ベクトルは文書を表し、特徴の値は文書中の特徴の相対周波数(関数の増大)を表し、クラスラベルは文書の著者を表す。 筆者らの実験は共著者検証,著者検証,クローズドセットの著者帰属に取り組んでおり,DVは自然に第1の問題を解くのに向いているが,第2と第3の問題を解くための2つの新しい方法も提供している。
  論文  参考訳（メタデータ） (2023-01-24T08:48:12Z)
• Zero-shot Aspect-level Sentiment Classification via Explicit Utilization of Aspect-to-Document Sentiment Composition [13.955534334487618]
  本研究では,文書レベルのレビューのみを用いて,ゼロショットのアスペクトレベルの感情分類を実現する。 我々の重要な直感は、文書の感情表現が、その文書のすべての側面の感情表現から成り立っていることである。 AF-DSCはまずすべての潜在的側面に対する感情表現を学習し、その後、アスペクトレベルの感情を文書レベルの感情分類に集約し、文書レベルの感情分類を行う。
  論文  参考訳（メタデータ） (2022-09-06T08:02:55Z)
• Fine-grained Intent Classification in the Legal Domain [2.088409822555567]
  我々は、殺人、土地紛争、強盗、破産のいずれかの事例分類に属する93の法的文書のデータセットを紹介する。 このようなフレーズごとに微妙な意図を注釈し、読者のケースをより深く理解できるようにします。 目的語句の自動抽出における変換器モデルの性能解析を行う。
  論文  参考訳（メタデータ） (2022-05-06T23:57:17Z)
• Document-Level Relation Extraction with Sentences Importance Estimation and Focusing [52.069206266557266]
  文書レベルの関係抽出(DocRE)は、複数の文の文書から2つのエンティティ間の関係を決定することを目的としている。 我々はDocREのための文重要度スコアと文集中損失を設計するSIEF(Sentence Estimation and Focusing)フレームワークを提案する。 2つのドメインの実験結果から、SIEFは全体的なパフォーマンスを改善するだけでなく、DocREモデルをより堅牢にします。
  論文  参考訳（メタデータ） (2022-04-27T03:20:07Z)
• GERE: Generative Evidence Retrieval for Fact Verification [57.78768817972026]
  本稿では,ジェネレーション方式で証拠を検索する最初のシステムであるGEREを提案する。 FEVERデータセットの実験結果は、GEREが最先端のベースラインよりも大幅に改善されていることを示している。
  論文  参考訳（メタデータ） (2022-04-12T03:49:35Z)
• Specialized Document Embeddings for Aspect-based Similarity of Research Papers [4.661692753666685]
  アスペクトベースの類似性は、アスペクト固有の埋め込み空間における古典的ベクトル類似性問題として扱う。 文書は単一の汎用的な埋め込みではなく、複数の専門的な埋め込みとして表現する。 当社のアプローチは、暗黙の偏見から生じる潜在的なリスクを明確化することで軽減します。
  論文  参考訳（メタデータ） (2022-03-28T07:35:26Z)
• Coherence-Based Distributed Document Representation Learning for Scientific Documents [9.646001537050925]
  本研究では,科学文書の表現を学習するために,結合テキストペア埋め込み(CTPE)モデルを提案する。 我々は、異なる文書から2つの部分を持つ非結合テキストペアを構築するために、負のサンプリングを使用する。 テキストペアが結合されているか、アンカップリングされているかを判断するためにモデルを訓練し、結合されたテキストペアの埋め込みを文書の埋め込みとして使用する。
  論文  参考訳（メタデータ） (2022-01-08T15:29:21Z)
• Out-of-Category Document Identification Using Target-Category Names as Weak Supervision [64.671654559798]
  Out-of-category Detection は、文書が不適格(またはターゲット)カテゴリと意味的関連性に応じて区別することを目的としている。 対象のカテゴリの1つに属する文書の信頼性を効果的に測定する,カテゴリ外検出フレームワークを提案する。
  論文  参考訳（メタデータ） (2021-11-24T21:01:25Z)
• Neural Deepfake Detection with Factual Structure of Text [78.30080218908849]
  テキストのディープフェイク検出のためのグラフベースモデルを提案する。 我々のアプローチは、ある文書の事実構造をエンティティグラフとして表現する。 本モデルでは,機械生成テキストと人文テキストの事実構造の違いを識別することができる。
  論文  参考訳（メタデータ） (2020-10-15T02:35:31Z)
• Multilevel Text Alignment with Cross-Document Attention [59.76351805607481]
  既存のアライメントメソッドは、1つの事前定義されたレベルで動作します。 本稿では,文書を文書間注目要素で表現するための階層的アテンションエンコーダを予め確立した新しい学習手法を提案する。
  論文  参考訳（メタデータ） (2020-10-03T02:52:28Z)
• A Systematic Comparison of Architectures for Document-Level Sentiment Classification [14.670220716382515]
  文書レベルの感情分類における階層モデルと伝達学習を比較した。 5つの言語において,非自明な階層モデルが過去のベースラインを上回り,文書レベルの感情分類に基づく伝達学習を行うことを示す。
  論文  参考訳（メタデータ） (2020-02-19T12:22:46Z)

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。