論文の概要: A Unified Generative Framework for Aspect-Based Sentiment Analysis

• arxiv url: http://arxiv.org/abs/2106.04300v1
• Date: Tue, 8 Jun 2021 12:55:22 GMT
• ステータス: 処理完了
• システム内更新日: 2021-06-09 16:02:23.828991
• Title: A Unified Generative Framework 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統一生成フレームワーク
• Authors: Hang Yan, Junqi Dai, Tuo ji, Xipeng Qiu, Zheng Zhang
• Abstract要約: Aspect-based Sentiment Analysis (ABSA) は、アスペクトの項、対応する感情の極性、意見の項を識別することを目的としている。 ABSAには7つのサブタスクがある。 本稿では,各サブタスク対象を,ポインタインデックスと感情クラスインデックスで混合したシーケンスとして再定義する。 トレーニング前のシーケンス・ツー・シーケンス・モデルであるBARTを用いて、エンド・ツー・エンドのフレームワークで全てのABSAサブタスクを解決する。
• 参考スコア（独自算出の注目度）: 33.911655982545206
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Aspect-based Sentiment Analysis (ABSA) aims to identify the aspect terms, their corresponding sentiment polarities, and the opinion terms. There exist seven subtasks in ABSA. Most studies only focus on the subsets of these subtasks, which leads to various complicated ABSA models while hard to solve these subtasks in a unified framework. In this paper, we redefine every subtask target as a sequence mixed by pointer indexes and sentiment class indexes, which converts all ABSA subtasks into a unified generative formulation. Based on the unified formulation, we exploit the pre-training sequence-to-sequence model BART to solve all ABSA subtasks in an end-to-end framework. Extensive experiments on four ABSA datasets for seven subtasks demonstrate that our framework achieves substantial performance gain and provides a real unified end-to-end solution for the whole ABSA subtasks, which could benefit multiple tasks.
• Abstract（参考訳）: Aspect-based Sentiment Analysis (ABSA) は、アスペクト項、対応する感情極性、意見項を識別することを目的としている。 ABSAには7つのサブタスクがある。 ほとんどの研究はこれらのサブタスクのサブセットのみに焦点を当てており、様々な複雑なABSAモデルをもたらすが、これらのサブタスクを統一されたフレームワークで解決することは困難である。 本稿では,すべてのサブタスクをポインタインデックスと感情クラスインデックスで混合したシーケンスとして再定義し,すべてのABSAサブタスクを統一的な生成形式に変換する。 統一された定式化に基づいて、トレーニング前のシーケンス・ツー・シーケンスモデルBARTを用いて、エンド・ツー・エンドのフレームワークで全てのABSAサブタスクを解決する。 7つのサブタスクのための4つのABSAデータセットに対する大規模な実験は、我々のフレームワークがパフォーマンスを大幅に向上し、ABSAサブタスク全体に対して真の統一されたエンドツーエンドソリューションを提供することを示した。

関連論文リスト

• It is Simple Sometimes: A Study On Improving Aspect-Based Sentiment Analysis Performance [3.951769809066429]
  タスク記述にNLP関連タスクプレフィックスを付加することにより、命令学習パラダイムの拡張であるPFInstructを提案する。 この単純なアプローチは全てのテストされたSemEvalサブタスクのパフォーマンスを改善し、ATEサブタスク(Rest14)の以前の状態(SOTA)を+3.28 F1スコア、AOOEサブタスクの平均+5.43 F1スコアで上回った。
  論文  参考訳（メタデータ） (2024-05-31T08:57:09Z)
• ROAST: Review-level Opinion Aspect Sentiment Target Joint Detection for ABSA [50.90538760832107]
  本研究は新たな課題であるROAST(Review-Level Opinion Aspect Sentiment Target)を提示する。 ROASTは、文章レベルのABSAとテキストレベルのABSAのギャップを埋めようとしている。 利用可能なデータセットを拡張してROASTを有効にし、以前の研究で指摘された欠点に対処します。
  論文  参考訳（メタデータ） (2024-05-30T17:29:15Z)
• UniSA: Unified Generative Framework for Sentiment Analysis [48.78262926516856]
  感情分析は、人々の感情状態を理解し、マルチモーダル情報に基づいて感情カテゴリーを予測することを目的としている。 会話における感情認識(ERC)、アスペクトベース感情分析(ABSA)、マルチモーダル感情分析(MSA)など、いくつかのサブタスクから構成される。
  論文  参考訳（メタデータ） (2023-09-04T03:49:30Z)
• Bidirectional Generative Framework for Cross-domain Aspect-based Sentiment Analysis [68.742820522137]
  クロスドメインアスペクトベースの感情分析(ABSA)は、ソースドメインから知識を伝達することで、ターゲットドメイン上で様々なきめ細かい感情分析タスクを実行することを目的としている。 本稿では,多様なドメイン間ABSAタスクに対処するための統合双方向生成フレームワークを提案する。 我々のフレームワークは、テキストからラベルまでの方向とラベルからテキストへの方向の両方で生成モデルを訓練する。
  論文  参考訳（メタデータ） (2023-05-16T15:02:23Z)
• UnifiedABSA: A Unified ABSA Framework Based on Multi-task Instruction Tuning [25.482853330324748]
  Aspect-Based Sentiment Analysis (ABSA) は、微粒なアスペクトレベルの感情情報を提供することを目的としている。 多くのABSAタスクがあり、現在の主流パラダイムはタスクごとにタスク固有のモデルをトレーニングすることである。 マルチタスク命令チューニングに基づく汎用ABSAフレームワークUnifiedABSAを提案する。
  論文  参考訳（メタデータ） (2022-11-20T14:21:09Z)
• Instruction Tuning for Few-Shot Aspect-Based Sentiment Analysis [72.9124467710526]
  生成的アプローチは、テキストから(1つ以上の)4つの要素を1つのタスクとして抽出するために提案されている。 本稿では,ABSAを解くための統一的なフレームワークと,それに関連するサブタスクを提案する。
  論文  参考訳（メタデータ） (2022-10-12T23:38:57Z)
• A Survey on Aspect-Based Sentiment Analysis: Tasks, Methods, and Challenges [58.97831696674075]
  ABSAは、側面レベルで人々の意見を分析し、理解することを目的としている。 我々は、感情要素の軸から既存の研究を組織するABSAの新しい分類法を提供する。 ABSAの事前学習言語モデルの利用状況を要約し、ABSAの性能を新たな段階に向上させた。
  論文  参考訳（メタデータ） (2022-03-02T12:01:46Z)
• A Joint Training Dual-MRC Framework for Aspect Based Sentiment Analysis [9.587513675287829]
  アスペクトベースの感情分析は、アスペクト項抽出、意見項抽出、アスペクトレベルの感情分類の3つの基本的なサブタスクを含む。 以前のアプローチでは、すべてのサブタスクを統一されたエンドツーエンドフレームワークで解決できなかった。 パラメータ共有による2つのBERT-MRCモデルの共同トレーニングにより、2つの機械読解問題を構築し、すべてのサブタスクを解決します。
  論文  参考訳（メタデータ） (2021-01-04T07:47:53Z)

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。