Fugu-MT 論文翻訳(概要): Position Bias Mitigation: A Knowledge-Aware Graph Model for Emotion Cause Extraction

論文の概要: Position Bias Mitigation: A Knowledge-Aware Graph Model for Emotion Cause Extraction

arxiv url: http://arxiv.org/abs/2106.03518v3
Date: Tue, 19 Dec 2023 02:57:31 GMT
ステータス: 処理完了
システム内更新日: 2023-12-21 03:48:44.686436
Title: Position Bias Mitigation: A Knowledge-Aware Graph Model for Emotion Cause Extraction
Title（参考訳）: 位置バイアス軽減:感情原因抽出のための知識認識グラフモデル
Authors: Hanqi Yan, Lin Gui, Gabriele Pergola, Yulan He
Abstract要約: 広く使われているCEデータセットは、注釈付き原因節の大多数が関連する感情節の直前にあるか、あるいは感情節自体である、というバイアスを呈している。 ECEの既存のモデルは、そのような相対的な位置情報を探索し、データセットバイアスに悩まされる傾向がある。本稿では,相対的な位置情報がもはや原因節の指示的特徴ではない敵例を生成するための新しい戦略を提案する。
参考スコア（独自算出の注目度）: 24.288475819004034
License: http://creativecommons.org/licenses/by/4.0/
Abstract: The Emotion Cause Extraction (ECE)} task aims to identify clauses which contain emotion-evoking information for a particular emotion expressed in text. We observe that a widely-used ECE dataset exhibits a bias that the majority of annotated cause clauses are either directly before their associated emotion clauses or are the emotion clauses themselves. Existing models for ECE tend to explore such relative position information and suffer from the dataset bias. To investigate the degree of reliance of existing ECE models on clause relative positions, we propose a novel strategy to generate adversarial examples in which the relative position information is no longer the indicative feature of cause clauses. We test the performance of existing models on such adversarial examples and observe a significant performance drop. To address the dataset bias, we propose a novel graph-based method to explicitly model the emotion triggering paths by leveraging the commonsense knowledge to enhance the semantic dependencies between a candidate clause and an emotion clause. Experimental results show that our proposed approach performs on par with the existing state-of-the-art methods on the original ECE dataset, and is more robust against adversarial attacks compared to existing models.
Abstract（参考訳）: 感情原因抽出(ECE)タスクは、テキストで表現された特定の感情に対する感情誘発情報を含む節を特定することを目的としている。広く使われているCEデータセットは、注釈付き原因節の大多数が関連する感情節の直前にあるか、あるいは感情節自体である、というバイアスを示す。 ECEの既存のモデルは、そのような相対的な位置情報を探索し、データセットバイアスに悩まされる傾向がある。本研究では,既存のCEモデルが節の相対的な位置に依存する度合いを調べるために,相対的な位置情報がもはや原因節の指示的特徴ではない敵の例を生成する新しい手法を提案する。既存のモデルの性能をこのような逆例で検証し、大幅な性能低下を観察する。データセットのバイアスに対処するために,コモンセンス知識を活用して感情のトリガパスを明示的にモデル化し,候補節と感情節間の意味依存度を高めるグラフベース手法を提案する。実験の結果,提案手法は従来のECEデータセットの既存手法と同等に動作し,既存モデルと比較して敵攻撃に対してより堅牢であることがわかった。

関連論文リスト

A Novel Energy based Model Mechanism for Multi-modal Aspect-Based Sentiment Analysis [85.77557381023617]
マルチモーダル感情分析のための新しいフレームワークDQPSAを提案する。 PDQモジュールは、プロンプトをビジュアルクエリと言語クエリの両方として使用し、プロンプト対応の視覚情報を抽出する。 EPEモジュールはエネルギーベースモデルの観点から解析対象の境界ペアリングをモデル化する。
論文参考訳（メタデータ） (2023-12-13T12:00:46Z)
Recognizing Conditional Causal Relationships about Emotions and Their Corresponding Conditions [37.16991100831717]
入力された感情と原因のペアが、異なる文脈下で有効な因果関係を持つかどうかを判断する新しいタスクを提案する。陰性サンプリングを用いて最終データセットを構築し、因果関係のない文書の数とバランスをとる。
論文参考訳（メタデータ） (2023-11-28T07:47:25Z)
Coherent Entity Disambiguation via Modeling Topic and Categorical Dependency [87.16283281290053]
従来のエンティティ曖昧化(ED)メソッドは、参照コンテキストと候補エンティティの一致するスコアに基づいて予測を行う、識別パラダイムを採用している。本稿では,エンティティ予測のコヒーレンス向上を目的とした新しいデザインを備えたEDシステムであるCoherentedを提案する。我々は、人気EDベンチマークにおいて、平均1.3F1ポイントの改善により、最先端の新たな結果を得る。
論文参考訳（メタデータ） (2023-11-06T16:40:13Z)
Context De-confounded Emotion Recognition [12.037240778629346]
コンテキストアウェア感情認識(CAER)は、対象者の感情状態を文脈情報で知覚することを目的としている。長年見過ごされてきた問題は、既存のデータセットのコンテキストバイアスが感情状態のかなり不均衡な分布をもたらすことである。本稿では、そのようなバイアスの影響からモデルを切り離し、CAERタスクにおける変数間の因果関係を定式化する因果関係に基づく視点を提供する。
論文参考訳（メタデータ） (2023-03-21T15:12:20Z)
WiCE: Real-World Entailment for Claims in Wikipedia [63.234352061821625]
We propose WiCE, a new fine-fine textual entailment dataset built on natural claim and evidence pairs from Wikipedia。標準クレームレベルのエンターメントに加えて、WiCEはクレームのサブ文単位に対するエンターメント判断を提供する。我々のデータセットの真のクレームは、既存のモデルで対処できない検証と検索の問題に挑戦することを含んでいる。
論文参考訳（メタデータ） (2023-03-02T17:45:32Z)
Entity Disambiguation with Entity Definitions [50.01142092276296]
ローカルモデルはEntity Disambiguation (ED)で最近驚くべきパフォーマンスを達成したそれまでの研究は、各候補者のテキスト表現として、ウィキペディアのタイトルのみを使うことに限られていた。本稿では、この制限に対処し、より表現力のあるテキスト表現がそれを緩和できる範囲について検討する。提案する6つのベンチマークのうち2つに新たな技術の現状を報告し,未知のパターンに対する一般化能力を強く改善する。
論文参考訳（メタデータ） (2022-10-11T17:46:28Z)
Learning a General Clause-to-Clause Relationships for Enhancing Emotion-Cause Pair Extraction [20.850786410336216]
本稿ではEA-GATという新しい節レベルの符号化モデルを提案する。 E-GATは、異なる種類の節から情報を集約するように設計されている。我々のアプローチは、中国語と英語のベンチマークコーパスに対する現在のアプローチに対して、大きな優位性を持っていることを示す。
論文参考訳（メタデータ） (2022-08-29T12:39:39Z)
Multi-Granularity Semantic Aware Graph Model for Reducing Position Bias in Emotion-Cause Pair Extraction [23.93696773727978]
Emotion-Cause Pair extract (ECPE)タスクは、文書から感情や原因をペアとして抽出することを目的としている。既存のメソッドでは、隣接する節間の関係をキャプチャする固定サイズウィンドウが設定されている。細粒度と粗粒度のセマンティック特徴を併用する新しい textbfMulti-textbfGranularity textbfSemantic textbfAware textbfGraph model (MGSAG) を提案する。
論文参考訳（メタデータ） (2022-05-04T15:39:46Z)
A Closer Look at Debiased Temporal Sentence Grounding in Videos: Dataset, Metric, and Approach [53.727460222955266]
テンポラル・センテンス・グラウンディング・イン・ビデオ(TSGV)は、未編集のビデオに自然言語文を埋め込むことを目的としている。最近の研究では、現在のベンチマークデータセットには明らかなモーメントアノテーションバイアスがあることが判明している。偏りのあるデータセットによる膨らませ評価を緩和するため、基礎的リコールスコアを割引する新しい評価基準「dR@n,IoU@m」を導入する。
論文参考訳（メタデータ） (2022-03-10T08:58:18Z)
Out of Context: A New Clue for Context Modeling of Aspect-based Sentiment Analysis [54.735400754548635]
ABSAは、与えられた側面に関してレビューで表現された感情を予測することを目的としている。与えられたアスペクトは、コンテキストモデリングプロセスにおけるコンテキストからの新たなヒントと見なされるべきである。異なるバックボーンに基づいて複数のアスペクト認識コンテキストエンコーダを設計する。
論文参考訳（メタデータ） (2021-06-21T02:26:03Z)
An Experimental Study of The Effects of Position Bias on Emotion CauseExtraction [8.43954669406248]
本研究では,感情原因抽出に対する単純なランダム選択手法が,ベースラインと同じような性能を実現することを示す。感情的原因位置の不均衡がベンチマークに存在し、ほとんどの原因節が中心的感情節の直前にある。 ECEにおけるこれらの深層学習モデルの精度を高くする要因となったのは,このベンチマークの生まれつきのバイアスである,と結論付けている。
論文参考訳（メタデータ） (2020-07-16T08:02:36Z)

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。