Fugu-MT 論文翻訳(概要): A More Fine-Grained Aspect-Sentiment-Opinion Triplet Extraction Task

論文の概要: A More Fine-Grained Aspect-Sentiment-Opinion Triplet Extraction Task

arxiv url: http://arxiv.org/abs/2103.15255v1
Date: Mon, 29 Mar 2021 00:42:51 GMT
ステータス: 処理完了
システム内更新日: 2021-03-30 15:12:42.878781
Title: A More Fine-Grained Aspect-Sentiment-Opinion Triplet Extraction Task
Title（参考訳）: よりきめ細かいアスペクト強調三重項抽出タスク
Authors: Fang Wang, Yuncong Li, Wenjun Zhang, Sheng-hua Zhong
Abstract要約: よりきめ細かいAspect-Sentiment-Opinion Triplet Extraction Taskを紹介します。 ASOTEが抽出した三重項の感情は、アスペクト項と意見項ペアの感情である。いくつかの一般的なABSAベンチマークに基づいて、ASOTE用の4つのデータセットを構築します。
参考スコア（独自算出の注目度）: 19.101354902943154
License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
Abstract: Aspect Sentiment Triplet Extraction (ASTE) aims to extract aspect term, sentiment and opinion term triplets from sentences and tries to provide a complete solution for aspect-based sentiment analysis (ABSA). However, some triplets extracted by ASTE are confusing, since the sentiment in a triplet extracted by ASTE is the sentiment that the sentence expresses toward the aspect term rather than the sentiment of the aspect term and opinion term pair. In this paper, we introduce a more fine-grained Aspect-Sentiment-Opinion Triplet Extraction (ASOTE) Task. ASOTE also extracts aspect term, sentiment and opinion term triplets. However, the sentiment in a triplet extracted by ASOTE is the sentiment of the aspect term and opinion term pair. We build four datasets for ASOTE based on several popular ABSA benchmarks. We propose two methods for ASOTE. The first method extracts the opinion terms of an aspect term and predicts the sentiments of the aspect term and opinion term pairs jointly with a unified tag schema. The second method is based on multiple instance learning, which is trained on ASTE datasets, but can also perform the ASOTE task. Experimental results on the four datasets demonstrate the effectiveness of our methods.
Abstract（参考訳）: Aspect Sentiment Triplet extract (ASTE)は、アスペクト項、感情項、意見項を文から抽出し、アスペクトベースの感情分析(ABSA)のための完全なソリューションを提供することを目的としている。しかし、ASTEが抽出した三重項の感情は、アスペクト項と意見項ペアの感情ではなく、アスペクト項に向かって表現する感情であるので、ASTEによって抽出された三重項の感情は混乱している。本稿では,よりきめ細かいAspect-Sentiment-Opinion Triplet extract (ASOTE)タスクを紹介する。 ASOTEはアスペクト項、感情項、意見項の三つ子も抽出する。しかし、ASOTEが抽出した三重項の感情は、アスペクト項と意見項ペアの感情である。いくつかの人気のあるABSAベンチマークに基づいて、ASOTE用の4つのデータセットを構築します。 ASOTEの2つの方法を提案する。第1の方法はアスペクト項の意見項を抽出し、アスペクト項と意見項ペアの感情を統一タグスキーマと共に予測する。第2の方法は、ASTEデータセットに基づいてトレーニングされる複数のインスタンス学習に基づいており、ASOTEタスクの実行も可能である。 4つのデータセットの実験結果から,本手法の有効性が示された。

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)
A Pairing Enhancement Approach for Aspect Sentiment Triplet Extraction [3.5838781091072143]
Aspect Sentiment Triplet extractは、アスペクト項、意見項、およびそれらの対応する感情極性の三重項をレビューテキストから抽出することを目的としている。言語の複雑さと一つの文に複数のアスペクト項と意見項が存在するため、現在のモデルはアスペクト項とそれを記述する意見項の関連を混乱させることが多い。本稿では,三重項抽出モデルにアスペクト対ペアリング知識を注入するために,訓練段階におけるコントラスト学習を取り入れたASTEのペアリング強化手法を提案する。
論文参考訳（メタデータ） (2023-06-11T07:32:10Z)
STAGE: Span Tagging and Greedy Inference Scheme for Aspect Sentiment Triplet Extraction [17.192861356588597]
Aspect Sentiment Triplet extract (ASTE) は感情分析研究において新たな課題となっている。 Span TAgging and Greedy infErence (STAGE) を提案する。
論文参考訳（メタデータ） (2022-11-28T02:07:03Z)
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)
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)
Aspect-Sentiment-Multiple-Opinion Triplet Extraction [12.053345309399958]
Aspect Sentiment Multiple Opinions Triplet extract (ASMOTE) 本稿では,この課題に対処するアスペクトガイドフレームワーク(AGF)を提案する。
論文参考訳（メタデータ） (2021-10-14T12:12:31Z)
Aspect Sentiment Quad Prediction as Paraphrase Generation [53.33072918744124]
Aspect Sentiment Quad Prediction (ASQP)タスクを導入し、与えられた意見文に対するクワッド内のすべての感情要素を共同で検出することを目的とした。本稿では,ASQP タスクをパラフレーズ生成プロセスにキャストする新しいtextscParaphrase モデリングパラダイムを提案する。一方、感情要素のセマンティクスは、自然言語形式でそれらを生成する学習によって完全に活用することができる。
論文参考訳（メタデータ） (2021-10-02T12:57:27Z)
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)
First Target and Opinion then Polarity: Enhancing Target-opinion Correlation for Aspect Sentiment Triplet Extraction [45.82241446769157]
Aspect Sentiment Triplet Extraction(ASTE)は、ターゲットエンティティ、関連する感情極性、および極性を合理化する意見スパンを含む文からトリプレットを抽出することを目的としています。既存の方法は、目標対の相関関係の構築に短く、異なる感情三重項間の相互干渉を無視する。シークエンスタギングによるターゲットと意見の相関性を高める新しい二段階法を提案する。
論文参考訳（メタデータ） (2021-02-17T03:28:17Z)
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。