論文の概要: Deep Context- and Relation-Aware Learning for Aspect-based Sentiment Analysis

• arxiv url: http://arxiv.org/abs/2106.03806v1
• Date: Mon, 7 Jun 2021 17:16:15 GMT
• ステータス: 処理完了
• システム内更新日: 2021-06-08 18:43:09.780045
• Title: Deep Context- and Relation-Aware Learning for Aspect-based Sentiment Analysis
• Title（参考訳）: アスペクトベース感情分析のための深い文脈・関連学習
• Authors: Shinhyeok Oh, Dongyub Lee, Taesun Whang, IlNam Park, Gaeun Seo, EungGyun Kim and Harksoo Kim
• Abstract要約: 本研究では,深い文脈情報を持つサブタスク間での対話的関係を実現するディープ・コンテクスチュアライズド・リレーア・アウェア・ネットワーク(DCRAN)を提案する。 DCRANは3つの広く使用されているベンチマークにおいて、従来の最先端の手法よりも大きなマージンで優れている。
• 参考スコア（独自算出の注目度）: 3.7175198778996483
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Existing works for aspect-based sentiment analysis (ABSA) have adopted a unified approach, which allows the interactive relations among subtasks. However, we observe that these methods tend to predict polarities based on the literal meaning of aspect and opinion terms and mainly consider relations implicitly among subtasks at the word level. In addition, identifying multiple aspect-opinion pairs with their polarities is much more challenging. Therefore, a comprehensive understanding of contextual information w.r.t. the aspect and opinion are further required in ABSA. In this paper, we propose Deep Contextualized Relation-Aware Network (DCRAN), which allows interactive relations among subtasks with deep contextual information based on two modules (i.e., Aspect and Opinion Propagation and Explicit Self-Supervised Strategies). Especially, we design novel self-supervised strategies for ABSA, which have strengths in dealing with multiple aspects. Experimental results show that DCRAN significantly outperforms previous state-of-the-art methods by large margins on three widely used benchmarks.
• Abstract（参考訳）: アスペクトベース感情分析(ABSA)の既存の研究は、サブタスク間の対話的な関係を可能にする統一的なアプローチを採用している。 しかし、これらの手法は、アスペクトや意見用語の文字通りの意味に基づいて極性を予測し、主に単語レベルでのサブタスク間の関係を暗黙的に考慮する傾向がある。 さらに、複数のアスペクト-オピニオン対とその極性を特定することはより難しい。 したがって、文脈情報 w.r.t の包括的理解。 ABSAにはその側面と意見がさらに必要である。 本稿では,2つのモジュール(Aspect and Opinion Propagation and Explicit Self-Supervised Strategies)に基づいて,サブタスク間の対話的関係と深いコンテキスト情報(ディープ・コンテクスト・アウェア・ネットワーク)を提案する。 特に,複数の側面に対処する上での強みを有するABSAのための,新たな自己監督戦略を設計する。 実験結果から、DCRANは3つの広く使用されているベンチマークにおいて、従来の最先端手法よりも大きなマージンで大幅に優れていた。

関連論文リスト

• PanoSent: A Panoptic Sextuple Extraction Benchmark for Multimodal Conversational Aspect-based Sentiment Analysis [74.41260927676747]
  本稿では,マルチモーダル対話感分析(ABSA)を導入することでギャップを埋める。 タスクをベンチマークするために、手動と自動の両方で注釈付けされたデータセットであるPanoSentを構築し、高品質、大規模、マルチモーダル、マルチ言語主義、マルチシナリオを特徴とし、暗黙の感情要素と明示的な感情要素の両方をカバーする。 課題を効果的に解決するために,新しい多モーダルな大規模言語モデル(すなわちSentica)とパラフレーズベースの検証機構とともに,新しい感覚の連鎖推論フレームワークを考案した。
  論文  参考訳（メタデータ） (2024-08-18T13:51:01Z)
• Amplifying Aspect-Sentence Awareness: A Novel Approach for Aspect-Based Sentiment Analysis [2.9045498954705886]
  Aspect-Based Sentiment Analysis (ABSA)は自然言語処理(NLP)においてますます重要になっている ABSAは、テキストで言及されている特定の側面に関する感情を抽出することによって、従来の感情分析を越えている。 A3SN(Amplifying Aspect-Sentence Awareness)は,アスペクト・センス・アウェアネスを増幅することでABSAを強化する技術である。
  論文  参考訳（メタデータ） (2024-05-14T10:29:59Z)
• How to Understand "Support"? An Implicit-enhanced Causal Inference Approach for Weakly-supervised Phrase Grounding [18.97081348819219]
  WPG(Wakly-supervised Phrase Grounding)は,微粒な句領域マッチングを推定する新たな課題である。 本稿では,暗黙的な関係をモデル化する上での課題に対処するインプリシット強化因果推論手法を提案する。
  論文  参考訳（メタデータ） (2024-02-29T12:49:48Z)
• 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)
• Re-mine, Learn and Reason: Exploring the Cross-modal Semantic Correlations for Language-guided HOI detection [57.13665112065285]
  ヒューマンオブジェクトインタラクション(HOI)検出は、コンピュータビジョンの課題である。 本稿では,構造化テキスト知識を組み込んだHOI検出フレームワークを提案する。
  論文  参考訳（メタデータ） (2023-07-25T14:20:52Z)
• Variational Distillation for Multi-View Learning [104.17551354374821]
  我々は,多視点表現学習における2つの重要な特徴を利用するために,様々な情報ボトルネックを設計する。 厳密な理論的保証の下で,本手法は,観察とセマンティックラベルの内在的相関の把握を可能にする。
  論文  参考訳（メタデータ） (2022-06-20T03:09:46Z)
• A Multi-task Learning Framework for Opinion Triplet Extraction [24.983625011760328]
  本稿では,意見三重項抽出課題としてのABSAの新たな視点について述べる。 アスペクト項と意見項を協調的に抽出するマルチタスク学習フレームワークを提案する。 提案するフレームワークを,ASBAの4つのSemEvalベンチマークで評価する。
  論文  参考訳（メタデータ） (2020-10-04T08:31:54Z)
• Simple Unsupervised Similarity-Based Aspect Extraction [0.9558392439655015]
  アスペクト抽出のための単純なアプローチSUAExを提案する。 SUAExは教師なしであり、単語埋め込みの類似性のみに依存している。 3つの異なる領域のデータセットに対する実験結果から、SUAExは最先端の注目に基づくアプローチをわずかに上回る結果が得られることが示されている。
  論文  参考訳（メタデータ） (2020-08-25T04:58:07Z)
• A Dependency Syntactic Knowledge Augmented Interactive Architecture for End-to-End Aspect-based Sentiment Analysis [73.74885246830611]
  エンドツーエンドABSAのためのマルチタスク学習を用いた対話型アーキテクチャを新たに提案する。 このモデルは、よく設計された依存性関係埋め込みグラフ畳み込みネットワーク(DreGcn)を活用することで、構文知識(依存性関係と型)を完全に活用することができる。 3つのベンチマークデータセットの大規模な実験結果から,本手法の有効性が示された。
  論文  参考訳（メタデータ） (2020-04-04T14:59:32Z)
• An Iterative Multi-Knowledge Transfer Network for Aspect-Based Sentiment Analysis [73.7488524683061]
  本稿では,エンド・ツー・エンドABSAのための新しいIterative Multi-Knowledge Transfer Network (IMKTN)を提案する。 我々のIMKTNは、よく設計されたルーティングアルゴリズムを用いて、3つのサブタスクのうち2つのタスク固有の知識をトークンレベルで別のタスクに転送する。 3つのベンチマークデータセットの実験結果は、我々のアプローチの有効性と優位性を示している。
  論文  参考訳（メタデータ） (2020-04-04T13:49:54Z)
• Toward Tag-free Aspect Based Sentiment Analysis: A Multiple Attention Network Approach [12.100371588940256]
  マルチアテンションネットワーク(MAN)は、テキストレビューからアスペクトレベルと全体的な感情を抽出することができる。 我々は、他の最先端のABSAアプローチと比較して、MANの強い性能を示す広範囲な実験を行った。
  論文  参考訳（メタデータ） (2020-03-22T20:18:20Z)

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。