論文の概要: Explaining a Neural Attention Model for Aspect-Based Sentiment Classification Using Diagnostic Classification

• arxiv url: http://arxiv.org/abs/2103.15927v1
• Date: Mon, 29 Mar 2021 19:59:34 GMT
• ステータス: 処理完了
• システム内更新日: 2021-03-31 15:03:57.386843
• Title: Explaining a Neural Attention Model for Aspect-Based Sentiment Classification Using Diagnostic Classification
• Title（参考訳）: 診断分類を用いたアスペクトベース感情分類のための神経的注意モデルの説明
• Authors: Lisa Meijer, Flavius Frasincar, Maria Mihaela Trusca
• Abstract要約: 最新の神経注意モデルであるLCR-Rot-hopの内部ダイナミクスを検査する説明モデルを提案する。 当社の診断分類器は、内部層が分類に有用な単語情報をエンコードするかどうかを評価するシンプルなニューラルネットワークです。 LCR-Rot-hopモデルの下部層は、音声の一部と感情値を符号化し、上位層は、単語のアスペクトとアスペクト関連感情値との関係の存在を表していると結論付けました。
• 参考スコア（独自算出の注目度）: 1.469597968606607
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Many high performance machine learning models for Aspect-Based Sentiment Classification (ABSC) produce black box models, and therefore barely explain how they classify a certain sentiment value towards an aspect. In this paper, we propose explanation models, that inspect the internal dynamics of a state-of-the-art neural attention model, the LCR-Rot-hop, by using a technique called Diagnostic Classification. Our diagnostic classifier is a simple neural network, which evaluates whether the internal layers of the LCR-Rot-hop model encode useful word information for classification, i.e., the part of speech, the sentiment value, the presence of aspect relation, and the aspect-related sentiment value of words. We conclude that the lower layers in the LCR-Rot-hop model encode the part of speech and the sentiment value, whereas the higher layers represent the presence of a relation with the aspect and the aspect-related sentiment value of words.
• Abstract（参考訳）: Aspect-Based Sentiment Classification (ABSC) のための高性能機械学習モデルの多くはブラックボックスモデルを生成するため、特定の感情値をアスペクトに対してどのように分類するかはほとんど説明できない。 本稿では、診断分類と呼ばれる手法を用いて、最先端のニューラルアテンションモデルであるLCR-Rot-hopの内部ダイナミクスを検査する説明モデルを提案する。 診断分類器は,lcr-rot-hopモデルの内部層が,音声の一部,感情値,アスペクト関係の有無,単語のアスペクト関連感情値などの分類に有用な単語情報を符号化しているかを評価する,単純なニューラルネットワークである。 結論として,lcr-rot-hopモデルの下位層は音声の一部と感情値を符号化し,上位層は単語のアスペクトとアスペクト関連感情値との関係を表現している。

関連論文リスト

• Language Knowledge-Assisted Representation Learning for Skeleton-Based Action Recognition [71.35205097460124]
  人間が他人の行動を理解して認識する方法は、複雑な神経科学の問題である。 LA-GCNは、大規模言語モデル(LLM)知識アシストを用いたグラフ畳み込みネットワークを提案する。
  論文  参考訳（メタデータ） (2023-05-21T08:29:16Z)
• Describe me an Aucklet: Generating Grounded Perceptual Category Descriptions [2.7195102129095003]
  マルチモーダル言語モデルにおいて,カテゴリレベルの知覚的グラウンド化をテストするためのフレームワークを提案する。 我々は、視覚カテゴリーの記述を生成し解釈するために、別々のニューラルネットワークを訓練する。 コミュニケーションの成功が生成モデルの性能問題を露呈することを示します。
  論文  参考訳（メタデータ） (2023-03-07T17:01:25Z)
• Interpretable Fusion Analytics Framework for fMRI Connectivity: Self-Attention Mechanism and Latent Space Item-Response Model [0.0]
  本稿では,ディープラーニングプロセスの分類結果を解釈する新しい分析フレームワークを提案する。 この枠組みを4種類の認知障害に適用することにより,本手法が重要なROI関数の決定に有効であることを示す。
  論文  参考訳（メタデータ） (2022-07-04T17:01:18Z)
• A Unified Understanding of Deep NLP Models for Text Classification [88.35418976241057]
  我々は、テキスト分類のためのNLPモデルの統一的な理解を可能にする視覚解析ツールDeepNLPVisを開発した。 主要なアイデアは相互情報に基づく尺度であり、モデルの各レイヤがサンプル内の入力語の情報をどのように保持するかを定量的に説明する。 コーパスレベル、サンプルレベル、単語レベルビジュアライゼーションで構成されるマルチレベルビジュアライゼーションは、全体トレーニングセットから個々のサンプルまでの分析をサポートする。
  論文  参考訳（メタデータ） (2022-06-19T08:55:07Z)
• Top-down inference in an early visual cortex inspired hierarchical Variational Autoencoder [0.0]
  我々は変分オートエンコーダの進歩を利用して、自然画像に基づいて訓練された疎い符号化階層型VAEを用いて、初期視覚野を調査する。 一次および二次視覚皮質に見られるものと類似した表現は、軽度の誘導バイアスの下で自然に現れる。 生成モデルを用いた2つの計算のシグネチャに対して,ニューロサイエンスに着想を得た認識モデルの選択が重要であることを示す。
  論文  参考訳（メタデータ） (2022-06-01T12:21:58Z)
• Self-supervised models of audio effectively explain human cortical responses to speech [71.57870452667369]
  我々は、自己教師型音声表現学習の進歩に乗じて、人間の聴覚システムの最先端モデルを作成する。 これらの結果から,ヒト大脳皮質における音声処理の異なる段階に関連する情報の階層構造を,自己教師型モデルで効果的に把握できることが示唆された。
  論文  参考訳（メタデータ） (2022-05-27T22:04:02Z)
• Insights on Neural Representations for End-to-End Speech Recognition [28.833851817220616]
  エンドツーエンド自動音声認識(ASR)モデルは、一般化された音声表現を学習することを目的としている。 相関解析手法を用いたネットワーク類似性の調査は、エンド・ツー・エンドASRモデルでは行われていない。 本稿では,CNN,LSTM,Transformerをベースとしたトレーニングにおいて,レイヤ間の内部ダイナミクスを解析し,検討する。
  論文  参考訳（メタデータ） (2022-05-19T10:19:32Z)
• VGSE: Visually-Grounded Semantic Embeddings for Zero-Shot Learning [113.50220968583353]
  ゼロショット学習のための識別的視覚特性を含むセマンティック埋め込みを発見することを提案する。 本モデルでは,画像の集合を視覚的類似性に応じて局所的な画像領域の集合に視覚的に分割する。 視覚的に接地されたセマンティック埋め込みは、様々なZSLモデルにまたがる単語埋め込みよりも、大きなマージンで性能を向上することを示した。
  論文  参考訳（メタデータ） (2022-03-20T03:49:02Z)
• Modeling Category-Selective Cortical Regions with Topographic Variational Autoencoders [72.15087604017441]
  カテゴリー選択性(英: Category-Selectivity)は、大脳皮質の特定の空間的局所化領域が特定の限られたカテゴリーからの刺激に対して頑健かつ選択的に反応する傾向にあるという観察を記述している。 新たに導入されたTopographic Variational Autoencoderを利用して、そのような局所化カテゴリ選択性の出現を教師なしでモデル化する。 本研究では,ヒト腹側頭皮質の観察に類似した,より抽象的なカテゴリのネストされた空間的階層が得られたことを示す予備的な結果を示す。
  論文  参考訳（メタデータ） (2021-10-25T11:37:41Z)
• Unsupervised low-rank representations for speech emotion recognition [78.38221758430244]
  音声感情認識のための低ランク特徴表現の抽出に線形および非線形次元削減アルゴリズムを用いて検討する。 異なる分類法を用いて2つのデータベース上で学習した表現の音声認識(SER)結果を報告する。
  論文  参考訳（メタデータ） (2021-04-14T18:30:58Z)
• Neural Networks and Denotation [0.0]
  訓練されたニューラルネットワークでニューロンがどのような意味を捉えているのかを推論するためのフレームワークを紹介します。 我々は,特定の分類問題の文脈においてオブザーバモデルを実装し,評価する。 可視化を用いて,ニューラルネットワークが入力の有意な特性を識別する方法に関する洞察を抽出する。
  論文  参考訳（メタデータ） (2021-03-15T15:32:22Z)

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。