論文の概要: Structured Sentiment Analysis as Dependency Graph Parsing

• arxiv url: http://arxiv.org/abs/2105.14504v1
• Date: Sun, 30 May 2021 11:19:46 GMT
• ステータス: 処理完了
• システム内更新日: 2021-06-03 10:08:15.524710
• Title: Structured Sentiment Analysis as Dependency Graph Parsing
• Title（参考訳）: 依存グラフ解析としての構造化感情分析
• Authors: Jeremy Barnes, Robin Kurtz, Stephan Oepen, Lilja {\O}vrelid, Erik Velldal
• Abstract要約: 我々は、この区分が非生産的になり、状況を改善するための新しい統一された枠組みを提案する。 我々は、構造化された感情問題を依存グラフ解析として、ノードは感情保持者、ターゲット、表現の領域であり、弧はそれらの関係であると考えた。
• 参考スコア（独自算出の注目度）: 5.174808367448261
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Structured sentiment analysis attempts to extract full opinion tuples from a text, but over time this task has been subdivided into smaller and smaller sub-tasks, e,g,, target extraction or targeted polarity classification. We argue that this division has become counterproductive and propose a new unified framework to remedy the situation. We cast the structured sentiment problem as dependency graph parsing, where the nodes are spans of sentiment holders, targets and expressions, and the arcs are the relations between them. We perform experiments on five datasets in four languages (English, Norwegian, Basque, and Catalan) and show that this approach leads to strong improvements over state-of-the-art baselines. Our analysis shows that refining the sentiment graphs with syntactic dependency information further improves results.
• Abstract（参考訳）: 構造化感情分析(Structured sentiment analysis)は、テキストから完全な意見のタプルを抽出しようとするが、時間が経つにつれて、このタスクはより小さなサブタスク、例えばターゲット抽出、あるいはターゲット極性分類に分割される。 この部門は非生産的になり、状況を改善するための新しい統一フレームワークを提案している。 我々は、構造化された感情問題を依存グラフ解析として、ノードは感情保持者、ターゲット、表現の領域であり、弧はそれらの関係であると考えた。 我々は4つの言語(英語、ノルウェー語、バスク語、カタルーニャ語)で5つのデータセットの実験を行い、このアプローチが最先端のベースラインよりも強力な改善をもたらすことを示す。 分析の結果,構文依存情報による感情グラフの精細化により,結果がさらに向上することが示された。

関連論文リスト

• Revisiting Structured Sentiment Analysis as Latent Dependency Graph Parsing [38.27437431585664]
  スパンの内部構造は無視されるため、スパンの境界トークンのみが関係予測やスパン認識に使用される。 長いスパンはSSAデータセットのかなりの割合を占めており、内部構造が無視されるという問題をさらに悪化させる。 本稿では,2段階解析手法を提案し,木CRFをアルゴリズム内部に制約を課し,遅延構造を明示的にモデル化する。
  論文  参考訳（メタデータ） (2024-07-05T18:18:50Z)
• USA: Universal Sentiment Analysis Model & Construction of Japanese Sentiment Text Classification and Part of Speech Dataset [0.0]
  本稿では,個々の単語と全体テキスト間の相互強化効果(MRE)を活用することで,性能の向上を提案する。 本研究を支援するために,4つの新しい感性テキスト分類と音声の一部(SCPOS)データセットをアノテートした。 さらに,7ビリオンのパラメータサイズを持つユニバーサル・センチメント・アナリティクス(USA)モデルを開発した。
  論文  参考訳（メタデータ） (2023-09-07T15:35:00Z)
• Variational Cross-Graph Reasoning and Adaptive Structured Semantics Learning for Compositional Temporal Grounding [143.5927158318524]
  テンポラルグラウンドティング(Temporal grounding)とは、クエリ文に従って、未編集のビデオから特定のセグメントを特定するタスクである。 新たに構成時間グラウンドタスクを導入し,2つの新しいデータセット分割を構築した。 ビデオや言語に内在する構造的意味論は、構成的一般化を実現する上で重要な要素である、と我々は主張する。
  論文  参考訳（メタデータ） (2023-01-22T08:02:23Z)
• Learn from Structural Scope: Improving Aspect-Level Sentiment Analysis with Hybrid Graph Convolutional Networks [6.116341682577877]
  アスペクトレベルの感情分析は、文中の特定の対象に対する感情の極性を決定することを目的としている。 本稿では,特定の対象に関する構造的テキスト領域を概説するスコープの概念を紹介する。 本稿では,HGCN(Hybrid Graph Convolutional Network)を提案する。
  論文  参考訳（メタデータ） (2022-04-27T09:10:22Z)
• Dependency Induction Through the Lens of Visual Perception [81.91502968815746]
  本稿では,単語の具体性を利用した教師なし文法帰納モデルと,構成的視覚に基づく構成的文法を共同学習する手法を提案する。 実験により,提案した拡張は,文法的サイズが小さい場合でも,現在最先端の視覚的接地モデルよりも優れた性能を示すことが示された。
  論文  参考訳（メタデータ） (2021-09-20T18:40:37Z)
• Sparse Fuzzy Attention for Structured Sentiment Analysis [48.69930912510414]
  本研究では,プール層を有するスパース・ファジィアテンションスコアラを提案する。 さらに,2次解析を用いた構造化感情分析における解析モデルについて検討し,解析性能を著しく向上させる新しい2次エッジ構築手法を提案する。
  論文  参考訳（メタデータ） (2021-09-14T14:37:56Z)
• GATE: Graph Attention Transformer Encoder for Cross-lingual Relation and Event Extraction [107.8262586956778]
  言語に依存しない文表現を学習するために、普遍的な依存解析を伴うグラフ畳み込みネットワーク(GCN)を導入する。 GCNは、長い範囲の依存関係を持つ単語をモデル化するのに苦労する。 そこで本研究では,構文的距離の異なる単語間の依存関係を学習するための自己認識機構を提案する。
  論文  参考訳（メタデータ） (2020-10-06T20:30:35Z)
• Relational Graph Attention Network for Aspect-based Sentiment Analysis [35.342467338880546]
  アスペクトベースの感情分析は、オンラインレビューにおける特定の側面に対する感情の極性を決定することを目的としている。 感情予測のための新しい木構造を符号化するリレーショナルグラフアテンションネットワーク(R-GAT)を提案する。 SemEval 2014とTwitterのデータセットで実験が行われている。
  論文  参考訳（メタデータ） (2020-04-26T12:21:04Z)
• Extractive Summarization as Text Matching [123.09816729675838]
  本稿では,ニューラル抽出要約システムの構築方法に関するパラダイムシフトを作成する。 抽出した要約タスクを意味テキストマッチング問題として定式化する。 我々はCNN/DailyMailの最先端抽出結果を新しいレベル(ROUGE-1の44.41)に推し進めた。
  論文  参考訳（メタデータ） (2020-04-19T08:27:57Z)
• A Deep Neural Framework for Contextual Affect Detection [51.378225388679425]
  感情を持たない短い単純なテキストは、その文脈と共に読むときに強い感情を表現することができる。 文中の単語の相互依存を学習する文脈影響検出フレームワークを提案する。
  論文  参考訳（メタデータ） (2020-01-28T05:03:15Z)

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。