論文の概要: ASAP: A Chinese Review Dataset Towards Aspect Category Sentiment
Analysis and Rating Prediction
- arxiv url: http://arxiv.org/abs/2103.06605v1
- Date: Thu, 11 Mar 2021 11:00:59 GMT
- ステータス: 処理完了
- システム内更新日: 2021-03-12 14:48:31.946623
- Title: ASAP: A Chinese Review Dataset Towards Aspect Category Sentiment
Analysis and Rating Prediction
- Title(参考訳): ASAP: カテゴリの感情分析とレーティング予測に関する中国のレビューデータセット
- Authors: Jiahao Bu, Lei Ren, Shuang Zheng, Yang Yang, Jingang Wang, Fuzheng
Zhang, Wei Wu
- Abstract要約: アスペクトカテゴリ感情分析(ACSA)とレビューレーティング予測(RP)は、きめ細やかな感情極性を検出するための2つの重要なタスクです。
弊社は、中国の大手オンラインオフライン(O2O)電子商取引プラットフォームから、中国のレストランレビューデータセットtextbfASAPを46,730ドルで提供した。
ACSAとRPの直感的かつ効果的なジョイントモデルを提案します。
- 参考スコア(独自算出の注目度): 13.211725807479686
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Sentiment analysis has attracted increasing attention in e-commerce. The
sentiment polarities underlying user reviews are of great value for business
intelligence. Aspect category sentiment analysis (ACSA) and review rating
prediction (RP) are two essential tasks to detect the fine-to-coarse sentiment
polarities. %Considering the sentiment of the aspects(ACSA) and the overall
review rating(RP) simultaneously has the potential to improve the overall
performance. ACSA and RP are highly correlated and usually employed jointly in
real-world e-commerce scenarios. While most public datasets are constructed for
ACSA and RP separately, which may limit the further exploitation of both tasks.
To address the problem and advance related researches, we present a large-scale
Chinese restaurant review dataset \textbf{ASAP} including $46,730$ genuine
reviews from a leading online-to-offline (O2O) e-commerce platform in China.
Besides a $5$-star scale rating, each review is manually annotated according to
its sentiment polarities towards $18$ pre-defined aspect categories. We hope
the release of the dataset could shed some light on the fields of sentiment
analysis. Moreover, we propose an intuitive yet effective joint model for ACSA
and RP. Experimental results demonstrate that the joint model outperforms
state-of-the-art baselines on both tasks.
- Abstract(参考訳): 感情分析はeコマースで注目を集めている。
ユーザーレビューの根底にある感情極性は、ビジネスインテリジェンスにとって大きな価値です。
アスペクトカテゴリ感情分析(ACSA)とレビューレーティング予測(RP)は、きめ細やかな感情極性を検出するための2つの重要なタスクです。
%アスペクト(ACSA)と全体レビュー評価(RP)の感情を考慮すると、同時に全体的なパフォーマンスを向上させる可能性があります。
ACSAとRPは高い相関関係にあり、現実のeコマースのシナリオで通常共同で使用される。
ほとんどの公開データセットはACSAとRPのために別々に構築されているが、両方のタスクのさらなる利用を制限する可能性がある。
問題と研究の進展に対処するため、中国の大手オンライン・ツー・オフライン(O2O)電子商取引プラットフォームからの本格的なレビュー46,730ドルを含む大規模な中国レストランレビューデータセット \textbf{ASAP}を提示します。
5ドルの星スケールのレーティングに加えて、各レビューは18ドルの事前定義されたアスペクトカテゴリに対する感情の極性に応じて手動で注釈付けされる。
データセットのリリースが感情分析の分野に光を当ててくれることを願っています。
さらに,ACSAとRPの直感的かつ効果的な関節モデルを提案する。
実験の結果,ジョイントモデルが両タスクの最先端ベースラインを上回ることがわかった。
関連論文リスト
- 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) - ATESA-B{\AE}RT: A Heterogeneous Ensemble Learning Model for Aspect-Based
Sentiment Analysis [0.5156484100374059]
Aspect-Based Sentiment Analysisのための異種アンサンブル学習モデルであるATESA-BaERTを提案する。
サブタスク毎に6つのトランスフォーマーベースの学習者に対して,textitargmaxマルチクラス分類を用いる。
2つのデータセットの実験は、ATESA-BAERTが現在の最先端ソリューションより優れていることを証明している。
論文 参考訳(メタデータ) (2023-07-29T07:35:19Z) - Stars Are All You Need: A Distantly Supervised Pyramid Network for
Unified Sentiment Analysis [4.937249288727759]
本研究では,一様感性分析(Uni-SA)を提案する。
具体的には、DSPN(Distantly Supervised Pyramid Network)を提案し、トレーニングのためにRPラベルのみを使用して、ACD、ACSA、RPを効率的に実行する。
論文 参考訳(メタデータ) (2023-05-02T18:23:50Z) - Towards Personalized Review Summarization by Modeling Historical Reviews
from Customer and Product Separately [59.61932899841944]
レビュー要約(review summarization)は、Eコマースのウェブサイトで製品レビューのメインの考え方を要約することを目的とした、簡単ではないタスクである。
Heterogeneous Historical Review aware Review Summarization Model (HHRRS)を提案する。
我々は、レビュー感情分類と要約を共同で行うマルチタスクフレームワークを採用している。
論文 参考訳(メタデータ) (2023-01-27T12:32:55Z) - Cross-Domain Shopping and Stock Trend Analysis [0.0]
本稿では,株価,株価,Twitterの株価,およびeコマースサイトにおけるユーザの行動の関係を識別・分析することを目的としたドメイン間トレンド分析を提案する。
この分析は、米国株データセット、ストックツイートデータセット、Eコマース行動データセットの3つのデータセットに基づいている。
論文 参考訳(メタデータ) (2022-12-23T18:21:28Z) - Cross-Domain Consumer Review Analysis [0.0]
論文では、Amazon、Yelp、Steam、IMDbの4つの人気のあるレビューデータセットについて、ドメイン間のレビュー分析を行う。
この分析はHadoopとSparkを使って行われ、大規模なデータセットの効率的でスケーラブルな処理を可能にする。
論文 参考訳(メタデータ) (2022-12-23T18:16:09Z) - Spatio-Temporal Graph Representation Learning for Fraudster Group
Detection [50.779498955162644]
企業は、偽レビューを書くために詐欺師グループを雇い、競合相手をデモしたり、自分のビジネスを宣伝したりすることができる。
そのようなグループを検出するには、詐欺師グループの静的ネットワークを表現するのが一般的なモデルである。
両レビュアーの表現学習におけるHIN-RNNの有効性を第一に活用することを提案する。
論文 参考訳(メタデータ) (2022-01-07T08:01:38Z) - Jointly Modeling Aspect and Polarity for Aspect-based Sentiment Analysis
in Persian Reviews [0.0]
本稿では,ACD と ACP のサブタスクに着目し,両問題を同時に解決する。
ペルシアのレビューのデータセットはCinemaTicketのウェブサイトから収集され、14のカテゴリから2200のサンプルが集められた。
サンプルベースおよびラベルベースメトリクスを用いて,収集したデータセットを用いてモデルの評価を行った。
論文 参考訳(メタデータ) (2021-09-16T02:55:12Z) - SIFN: A Sentiment-aware Interactive Fusion Network for Review-based Item
Recommendation [48.1799451277808]
本稿では、レビューに基づく項目推薦のための感性認識型インタラクティブフュージョンネットワーク(SIFN)を提案する。
まず、BERTを介してユーザ/イテムレビューをエンコードし、各レビューのセマンティックな特徴を抽出する軽量な感情学習者を提案する。
そこで我々は,感情学習者が明示的な感情ラベルを用いて感情認識特徴を抽出するための感情予測タスクを提案する。
論文 参考訳(メタデータ) (2021-08-18T08:04:38Z) - Opinion Transmission Network for Jointly Improving Aspect-oriented
Opinion Words Extraction and Sentiment Classification [56.893393134328996]
アスペクトレベルの感情分類(ALSC)とアスペクト指向の意見単語抽出(AOWE)は、アスペクトベースの感情分析の2つのサブタスクである。
本稿では,ALSC と AOWE の橋梁を利用した新しい接続モデル Opinion Transmission Network (OTN) を提案する。
論文 参考訳(メタデータ) (2020-11-01T11:00:19Z) - 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。