論文の概要: Interventional Aspect-Based Sentiment Analysis
- arxiv url: http://arxiv.org/abs/2104.11681v1
- Date: Tue, 20 Apr 2021 07:54:29 GMT
- ステータス: 処理完了
- システム内更新日: 2021-05-03 19:50:51.459041
- Title: Interventional Aspect-Based Sentiment Analysis
- Title（参考訳）: インターベンショナル・アスペクトに基づく感性分析
- Authors: Zhen Bi, Ningyu Zhang, Ganqiang Ye, Haiyang Yu, Xi Chen, Huajun Chen
- Abstract要約: 本稿では,これらの要因を解消するために,バックドア調整を適用した簡易かつ効果的な手法,すなわちセンチメント調整(SENTA)を提案する。
Aspect Robustness Test Set (ARTS) データセットの実験結果から,本手法は元のテストセットの精度を維持しつつ,性能の向上を図っている。
- 参考スコア（独自算出の注目度）: 10.974711813144554
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Recent neural-based aspect-based sentiment analysis approaches, though
achieving promising improvement on benchmark datasets, have reported suffering
from poor robustness when encountering confounder such as non-target aspects.
In this paper, we take a causal view to addressing this issue. We propose a
simple yet effective method, namely, Sentiment Adjustment (SENTA), by applying
a backdoor adjustment to disentangle those confounding factors. Experimental
results on the Aspect Robustness Test Set (ARTS) dataset demonstrate that our
approach improves the performance while maintaining accuracy in the original
test set.
- Abstract（参考訳）: 最近のニューラルベースアスペクトベースの感情分析アプローチは、ベンチマークデータセットで有望な改善を達成しているが、ターゲット外のアスペクトのような共同創設者に遭遇する際の堅牢性の低下を報告している。
本稿では,この問題に対処するための因果的考察を行う。
本稿では,これらの要因を解消するために,バックドア調整を適用した簡易かつ効果的な手法,すなわちセンチメント調整(SENTA)を提案する。
Aspect Robustness Test Set (ARTS) データセットの実験結果から,本手法は元のテストセットの精度を維持しつつ,性能の向上を図っている。
関連論文リスト
- Self-Training with Pseudo-Label Scorer for Aspect Sentiment Quad Prediction [54.23208041792073]
Aspect Sentiment Quad Prediction (ASQP) は、与えられたレビューに対して全てのクワッド(アスペクト項、アスペクトカテゴリー、意見項、感情極性)を予測することを目的としている。
ASQPタスクにおける重要な課題はラベル付きデータの不足であり、既存のメソッドのパフォーマンスを制限している。
そこで我々は,擬似ラベルスコアラーを用いた自己学習フレームワークを提案し,レビューと擬似ラベルの一致をスコアラーが評価する。
論文 参考訳（メタデータ） (2024-06-26T05:30:21Z) - Trustworthy Personalized Bayesian Federated Learning via Posterior
Fine-Tune [3.1001287855313966]
ベイズ的手法を取り入れた,個人化されたフェデレーション学習のための新しいフレームワークを提案する。
我々は,新しいアルゴリズムが精度を向上するだけでなく,OOD検出においてベースラインを大幅に上回ることを示す。
論文 参考訳（メタデータ） (2024-02-25T13:28:08Z) - Towards Robust Aspect-based Sentiment Analysis through
Non-counterfactual Augmentations [40.71705332298682]
非事実的データ拡張に依存する代替手法を提案する。
我々のアプローチはさらにABSAロバストネスベンチマークの新たな最先端を確立し、ドメイン間でうまく転送する。
論文 参考訳（メタデータ） (2023-06-24T13:57:32Z) - Improving Adversarial Robustness to Sensitivity and Invariance Attacks
with Deep Metric Learning [80.21709045433096]
対向ロバスト性の標準的な方法は、サンプルを最小に摂動させることによって作られたサンプルに対して防御する枠組みを仮定する。
距離学習を用いて、最適輸送問題として逆正則化をフレーム化する。
予備的な結果から, 変分摂動の規則化は, 変分防御と敏感防御の両方を改善することが示唆された。
論文 参考訳（メタデータ） (2022-11-04T13:54:02Z) - Improving robustness of jet tagging algorithms with adversarial training [56.79800815519762]
本研究では,フレーバータグ付けアルゴリズムの脆弱性について,敵攻撃による検証を行った。
シミュレーション攻撃の影響を緩和する対人訓練戦略を提案する。
論文 参考訳（メタデータ） (2022-03-25T19:57:19Z) - Holistic Deep Learning [3.718942345103135]
本稿では、入力摂動、過度なパラメータ化、性能不安定といった脆弱性の課題に対処する、新しい総合的なディープラーニングフレームワークを提案する。
提案したフレームワークは、標準的なディープラーニングモデルよりも正確性、堅牢性、疎性、安定性を全面的に改善する。
論文 参考訳（メタデータ） (2021-10-29T14:46:32Z) - Towards Unbiased Visual Emotion Recognition via Causal Intervention [63.74095927462]
本稿では,データセットバイアスによる負の効果を軽減するために,新しい感情認識ネットワーク(IERN)を提案する。
IERNの有効性を検証する一連の設計されたテストと、3つの感情ベンチマークの実験は、IERNが他の最先端のアプローチよりも優れていることを示した。
論文 参考訳（メタデータ） (2021-07-26T10:40:59Z) - Unsupervised Robust Domain Adaptation without Source Data [75.85602424699447]
我々は、利用できないターゲットラベルとソースデータのコンテキストにおけるロバストなドメイン適応の問題について研究する。
4つのベンチマークデータセットでテストされたベースラインに対して10%以上の精度で一貫したパフォーマンス改善を示す。
論文 参考訳（メタデータ） (2021-03-26T16:42:28Z) - Tasty Burgers, Soggy Fries: Probing Aspect Robustness in Aspect-Based
Sentiment Analysis [71.40390724765903]
アスペクトベースの感情分析(ABSA)は、テキストの特定の側面に対する感情を予測することを目的としている。
既存のABSAテストセットは、モデルが対象のアスペクトの感情を非ターゲットのアスペクトと区別できるかどうかを調査するために使用できない。
我々は、対象の側面の感情から、対象でない側面の相反する感情を解き放つための新しい例を生成する。
論文 参考訳（メタデータ） (2020-09-16T22:38:18Z)
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。