論文の概要: Bidirectional Machine Reading Comprehension for Aspect Sentiment Triplet
Extraction
- arxiv url: http://arxiv.org/abs/2103.07665v1
- Date: Sat, 13 Mar 2021 09:30:47 GMT
- ステータス: 処理完了
- システム内更新日: 2021-03-16 14:16:02.102150
- Title: Bidirectional Machine Reading Comprehension for Aspect Sentiment Triplet
Extraction
- Title(参考訳): Aspect Sentiment Triplet Extraction のための双方向機械読解解法
- Authors: Shaowei Chen, Yu Wang, Jie Liu, Yuelin Wang
- Abstract要約: 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。
- 参考スコア(独自算出の注目度): 8.208671244754317
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Aspect sentiment triplet extraction (ASTE), which aims to identify aspects
from review sentences along with their corresponding opinion expressions and
sentiments, is an emerging task in fine-grained opinion mining. Since ASTE
consists of multiple subtasks, including opinion entity extraction, relation
detection, and sentiment classification, it is critical and challenging to
appropriately capture and utilize the associations among them. In this paper,
we transform ASTE task into a multi-turn machine reading comprehension (MTMRC)
task and propose a bidirectional MRC (BMRC) framework to address this
challenge. Specifically, we devise three types of queries, including
non-restrictive extraction queries, restrictive extraction queries and
sentiment classification queries, to build the associations among different
subtasks. Furthermore, considering that an aspect sentiment triplet can derive
from either an aspect or an opinion expression, we design a bidirectional MRC
structure. One direction sequentially recognizes aspects, opinion expressions,
and sentiments to obtain triplets, while the other direction identifies opinion
expressions first, then aspects, and at last sentiments. By making the two
directions complement each other, our framework can identify triplets more
comprehensively. To verify the effectiveness of our approach, we conduct
extensive experiments on four benchmark datasets. The experimental results
demonstrate that BMRC achieves state-of-the-art performances.
- Abstract(参考訳): レビュー文の側面とそれに対応する意見表現と感情を識別することを目的としたアスペクト感情トリプレット抽出(ASTE)は、きめ細かい意見マイニングにおける新たなタスクです。
asteは、意見エンティティ抽出、関係検出、感情分類を含む複数のサブタスクから構成されているため、それらの関連を適切に捉えて活用することが重要かつ困難である。
本稿では、ASTEタスクをマルチターン機械読解(MTMRC)タスクに変換し、この課題に対処するための双方向MRC(BMRC)フレームワークを提案する。
具体的には,非制限抽出クエリ,制限抽出クエリ,感情分類クエリの3種類のクエリを考案し,異なるサブタスク間の関連性を構築する。
さらに、アスペクト感情三重項がアスペクトまたは意見表現から派生する可能性があることを考慮し、双方向mrc構造を設計する。
1つの方向はアスペクト、意見表現、感情を順次認識し、3つ目を得る一方、もう1つの方向は意見表現をまずアスペクト、そして最後に感情を識別する。
2つの方向を相互補完させることで、我々のフレームワークはより包括的に三つ子を識別できる。
提案手法の有効性を検証するため,4つのベンチマークデータセットに対して広範な実験を行った。
実験の結果,BMRCは最先端の性能を達成できた。
関連論文リスト
- PanoSent: A Panoptic Sextuple Extraction Benchmark for Multimodal Conversational Aspect-based Sentiment Analysis [74.41260927676747]
本稿では,マルチモーダル対話感分析(ABSA)を導入することでギャップを埋める。
タスクをベンチマークするために、手動と自動の両方で注釈付けされたデータセットであるPanoSentを構築し、高品質、大規模、マルチモーダル、マルチ言語主義、マルチシナリオを特徴とし、暗黙の感情要素と明示的な感情要素の両方をカバーする。
課題を効果的に解決するために,新しい多モーダルな大規模言語モデル(すなわちSentica)とパラフレーズベースの検証機構とともに,新しい感覚の連鎖推論フレームワークを考案した。
論文 参考訳(メタデータ) (2024-08-18T13:51:01Z) - Two in One Go: Single-stage Emotion Recognition with Decoupled Subject-context Transformer [78.35816158511523]
単段階の感情認識手法として,DSCT(Decoupled Subject-Context Transformer)を用いる。
広範に使われている文脈認識型感情認識データセットであるCAER-SとEMOTICの単段階フレームワークの評価を行った。
論文 参考訳(メタデータ) (2024-04-26T07:30:32Z) - Instruction Tuning for Few-Shot Aspect-Based Sentiment Analysis [72.9124467710526]
生成的アプローチは、テキストから(1つ以上の)4つの要素を1つのタスクとして抽出するために提案されている。
本稿では,ABSAを解くための統一的なフレームワークと,それに関連するサブタスクを提案する。
論文 参考訳(メタデータ) (2022-10-12T23:38:57Z) - Span-level Bidirectional Cross-attention Framework for Aspect Sentiment
Triplet Extraction [10.522014946035664]
Aspect Sentiment Triplet extract (ASTE)は、アスペクト項、感情、意見項の三つ子をレビュー文から抽出することを目的とした、新しいきめ細かい感情分析タスクである。
本稿では,ASTEのための双方向双方向多目的フレームワークを提案する。
我々のフレームワークは最先端の手法よりも優れており、マルチトークンエンティティを用いた三重項予測の性能が向上している。
論文 参考訳(メタデータ) (2022-04-27T02:55:43Z) - 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) - Aspect Sentiment Triplet Extraction Using Reinforcement Learning [14.21689018940387]
本稿では、表現された感情の議論として、アスペクトと意見項に関する新しいパラダイムASTE-RLを提案する。
まず、文章で表現された感情に注目し、その感情に対する対象的側面と意見条件を特定します。
このことは、探索とサンプル効率を改善しながら、三重項の成分間の相互相互作用を考慮に入れている。
論文 参考訳(メタデータ) (2021-08-13T07:38:48Z) - Weakly-Supervised Spatio-Temporal Anomaly Detection in Surveillance
Video [128.41392860714635]
Weakly-Supervised Snoma-Temporally Detection (WSSTAD) を監視ビデオに導入する。
WSSTADは異常事象を封止する時空間管(すなわち連続する境界ボックスのシーケンス)をローカライズすることを目的としている。
本稿では,空間的・時間的領域に複数粒度を持つ入力提案を行うデュアルブランチネットワークを提案する。
論文 参考訳(メタデータ) (2021-08-09T06:11:14Z) - A Joint Training Dual-MRC Framework for Aspect Based Sentiment Analysis [9.587513675287829]
アスペクトベースの感情分析は、アスペクト項抽出、意見項抽出、アスペクトレベルの感情分類の3つの基本的なサブタスクを含む。
以前のアプローチでは、すべてのサブタスクを統一されたエンドツーエンドフレームワークで解決できなかった。
パラメータ共有による2つのBERT-MRCモデルの共同トレーニングにより、2つの機械読解問題を構築し、すべてのサブタスクを解決します。
論文 参考訳(メタデータ) (2021-01-04T07:47:53Z) - 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) - 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) - An Iterative Multi-Knowledge Transfer Network for Aspect-Based Sentiment
Analysis [73.7488524683061]
本稿では,エンド・ツー・エンドABSAのための新しいIterative Multi-Knowledge Transfer Network (IMKTN)を提案する。
我々のIMKTNは、よく設計されたルーティングアルゴリズムを用いて、3つのサブタスクのうち2つのタスク固有の知識をトークンレベルで別のタスクに転送する。
3つのベンチマークデータセットの実験結果は、我々のアプローチの有効性と優位性を示している。
論文 参考訳(メタデータ) (2020-04-04T13:49:54Z)
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。