論文の概要: SA2SL: From Aspect-Based Sentiment Analysis to Social Listening System
for Business Intelligence
- arxiv url: http://arxiv.org/abs/2105.15079v1
- Date: Mon, 31 May 2021 16:09:26 GMT
- ステータス: 処理完了
- システム内更新日: 2021-06-01 17:20:22.471286
- Title: SA2SL: From Aspect-Based Sentiment Analysis to Social Listening System
for Business Intelligence
- Title(参考訳): sa2sl:アスペクトベースの感情分析からビジネスインテリジェンスのためのソーシャルリスニングシステムへ
- Authors: Luong Luc Phan, Phuc Huynh Pham, Kim Thi-Thanh Nguyen, Tham Thi
Nguyen, Sieu Khai Huynh, Luan Thanh Nguyen, Tin Van Huynh, and Kiet Van
Nguyen
- Abstract要約: 本稿では,ベトナムにおけるアスペクトベース感情分析に基づくソーシャルリスニングシステムの構築プロセスについて述べる。
UIT-ViSFDはアスペクトベースの感情分析を評価するためのベンチマークコーパスであり,11,122の人文付コメントをモバイルeコマース向けに作成する。
最後に重要なのは、データセット上で最高のパフォーマンスモデルに基づいたソーシャルリスニングシステムであるSA2SLを構築することです。
- 参考スコア(独自算出の注目度): 0.2107969466194361
- License: http://creativecommons.org/licenses/by-nc-sa/4.0/
- Abstract: In this paper, we present a process of building a social listening system
based on aspect-based sentiment analysis in Vietnamese from creating a dataset
to building a real application. Firstly, we create UIT-ViSFD, a Vietnamese
Smartphone Feedback Dataset as a new benchmark corpus built based on a strict
annotation schemes for evaluating aspect-based sentiment analysis, consisting
of 11,122 human-annotated comments for mobile e-commerce, which is freely
available for research purposes. We also present a proposed approach based on
the Bi-LSTM architecture with the fastText word embeddings for the Vietnamese
aspect based sentiment task. Our experiments show that our approach achieves
the best performances with the F1-score of 84.48% for the aspect task and
63.06% for the sentiment task, which performs several conventional machine
learning and deep learning systems. Last but not least, we build SA2SL, a
social listening system based on the best performance model on our dataset,
which will inspire more social listening systems in future.
- Abstract(参考訳): 本稿では,ベトナムにおけるアスペクトベース感情分析に基づくソーシャルリスニングシステムの構築プロセスについて紹介する。
まず、ベトナムのスマートフォンフィードバックデータセットであるUIT-ViSFDを、アスペクトベースの感情分析を評価するための厳密なアノテーションスキームに基づいて構築された新しいベンチマークコーパスとして作成する。
また,ベトナムのアスペクトベース感情タスクに対して,高速テキスト単語埋め込みを用いたBi-LSTMアーキテクチャに基づくアプローチを提案する。
実験の結果,本手法はアスペクトタスクでは84.48%,感情タスクでは63.06%,従来の機械学習やディープラーニングシステムでは63.06%のF1スコアを達成できた。
最後に、私たちは、データセット上で最高のパフォーマンスモデルに基づくソーシャルリスニングシステムであるSA2SLを構築します。
関連論文リスト
- Align-SLM: Textless Spoken Language Models with Reinforcement Learning from AI Feedback [50.84142264245052]
テキストレス音声言語モデル(SLM)のセマンティック理解を強化するためのAlign-SLMフレームワークを導入する。
提案手法は、与えられたプロンプトから複数の音声継続を生成し、意味的指標を用いて、直接選好最適化(DPO)のための選好データを生成する。
語彙および構文モデリングのためのZeroSpeech 2021ベンチマーク、意味的コヒーレンスのためのStoryClozeデータセットの音声バージョン、GPT4-oスコアや人間評価などの音声生成指標を用いて、フレームワークの評価を行った。
論文 参考訳(メタデータ) (2024-11-04T06:07:53Z) - AIR-Bench: Benchmarking Large Audio-Language Models via Generative Comprehension [95.8442896569132]
AIR-Benchは,Large Audio-Language Models (LALM) の様々な種類の音声信号を理解し,テキスト形式で人間と対話する能力を評価する最初のベンチマークである。
その結果, GPT-4による評価と人間による評価との間には高い一貫性が認められた。
論文 参考訳(メタデータ) (2024-02-12T15:41:22Z) - KINLP at SemEval-2023 Task 12: Kinyarwanda Tweet Sentiment Analysis [1.2183405753834562]
本稿では,SemEval-2023 Task 12: Sentiment Analysis for African Languageについて述べる。
システムはKinyarwanda言語に焦点を当て、言語固有のモデルを使用する。
論文 参考訳(メタデータ) (2023-04-25T04:30:03Z) - DiaASQ : A Benchmark of Conversational Aspect-based Sentiment Quadruple
Analysis [84.80347062834517]
本稿では,対話における目標視差感の4倍を検出することを目的としたDiaASQを紹介する。
中国語と英語の両方で大規模なDiaASQデータセットを手作業で構築する。
我々は、タスクをベンチマークするニューラルネットワークを開発し、エンドツーエンドの4倍の予測を効果的に実行する。
論文 参考訳(メタデータ) (2022-11-10T17:18:20Z) - OASYS: Domain-Agnostic Automated System for Constructing Knowledge Base
from Unstructured Text [0.3867363075280544]
文書からデータをマイニングする知識ベース自動構築システムを提案する。
対象のドメインテキストコーパスと事前定義された知識ベースのみを使用して、ドメインに依存しないトレーニングが可能である。
人間の注釈付きテストデータセットと自動生成データセットの両方を提供します。
論文 参考訳(メタデータ) (2022-06-29T22:03:38Z) - Leveraging Pre-trained Language Model for Speech Sentiment Analysis [58.78839114092951]
本研究では、事前学習された言語モデルを用いて、文章の感情情報を学習し、音声の感情分析を行う。
本稿では,言語モデルを用いた擬似ラベルに基づく半教師付き訓練戦略を提案する。
論文 参考訳(メタデータ) (2021-06-11T20:15:21Z) - Weakly-Supervised Aspect-Based Sentiment Analysis via Joint
Aspect-Sentiment Topic Embedding [71.2260967797055]
アスペクトベース感情分析のための弱教師付きアプローチを提案する。
We learn sentiment, aspects> joint topic embeddeds in the word embedding space。
次に、ニューラルネットワークを用いて単語レベルの識別情報を一般化する。
論文 参考訳(メタデータ) (2020-10-13T21:33:24Z) - SPLAT: Speech-Language Joint Pre-Training for Spoken Language
Understanding [61.02342238771685]
音声理解には、入力音響信号を解析してその言語内容を理解し、予測するモデルが必要である。
大規模無注釈音声やテキストからリッチな表現を学習するために,様々な事前学習手法が提案されている。
音声と言語モジュールを協調的に事前学習するための,新しい半教師付き学習フレームワークであるSPLATを提案する。
論文 参考訳(メタデータ) (2020-10-05T19:29:49Z) - Exploiting Vietnamese Social Media Characteristics for Textual Emotion
Recognition in Vietnamese [3.3504365823045044]
データ前処理がテキスト感情認識における機械学習手法にどのように影響するかを示すために、いくつかの実験を行った。
これらの実験は、ベンチマークデータセットとしてベトナムソーシャルメディア感情コーパス(UIT-VSMEC)で実施される。
実験により,ベトナムのソーシャルメディア特性に基づく適切な事前処理技術により,Multinomial Logistic Regression (MLR) が64.40%のF1スコアを達成できた。
論文 参考訳(メタデータ) (2020-09-23T08:49:39Z) - IUST at SemEval-2020 Task 9: Sentiment Analysis for Code-Mixed Social
Media Text using Deep Neural Networks and Linear Baselines [6.866104126509981]
我々は、与えられたコードミックスツイートの感情を予測するシステムを開発した。
我々の最高の演奏法は、スペイン語のサブタスクに対して0.751得点、ヒンディー語のサブタスクに対して0.706スコアを得る。
論文 参考訳(メタデータ) (2020-07-24T18:48:37Z) - Enhancing lexical-based approach with external knowledge for Vietnamese
multiple-choice machine reading comprehension [2.5199066832791535]
我々はベトナム語の417のテキストに基づいて,2,783対の複数選択質問と回答からなるデータセットを構築した。
本稿では,意味的類似度尺度と外部知識源を用いて質問を分析し,与えられたテキストから回答を抽出する語彙ベースのMDC手法を提案する。
提案手法は,最良ベースラインモデルよりも5.51%高い精度で61.81%の精度を実現する。
論文 参考訳(メタデータ) (2020-01-16T08:09:51Z)
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。