論文の概要: Out of Context: A New Clue for Context Modeling of Aspect-based
Sentiment Analysis
- arxiv url: http://arxiv.org/abs/2106.10816v1
- Date: Mon, 21 Jun 2021 02:26:03 GMT
- ステータス: 処理完了
- システム内更新日: 2021-06-22 15:37:15.085252
- Title: Out of Context: A New Clue for Context Modeling of Aspect-based
Sentiment Analysis
- Title(参考訳): Out of Context: アスペクトベースの知覚分析のコンテキストモデリングのための新しいキュー
- Authors: Bowen Xing and Ivor W. Tsang
- Abstract要約: 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。
- 参考スコア(独自算出の注目度): 54.735400754548635
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Aspect-based sentiment analysis (ABSA) aims to predict the sentiment
expressed in a review with respect to a given aspect. The core of ABSA is to
model the interaction between the context and given aspect to extract the
aspect-related information. In prior work, attention mechanisms and dependency
graph networks are commonly adopted to capture the relations between the
context and given aspect. And the weighted sum of context hidden states is used
as the final representation fed to the classifier. However, the information
related to the given aspect may be already discarded and adverse information
may be retained in the context modeling processes of existing models. This
problem cannot be solved by subsequent modules and there are two reasons:
first, their operations are conducted on the encoder-generated context hidden
states, whose value cannot change after the encoder; second, existing encoders
only consider the context while not the given aspect. To address this problem,
we argue the given aspect should be considered as a new clue out of context in
the context modeling process. As for solutions, we design several aspect-aware
context encoders based on different backbones: an aspect-aware LSTM and three
aspect-aware BERTs. They are dedicated to generate aspect-aware hidden states
which are tailored for ABSA task. In these aspect-aware context encoders, the
semantics of the given aspect is used to regulate the information flow.
Consequently, the aspect-related information can be retained and
aspect-irrelevant information can be excluded in the generated hidden states.
We conduct extensive experiments on several benchmark datasets with empirical
analysis, demonstrating the efficacies and advantages of our proposed
aspect-aware context encoders.
- Abstract(参考訳): アスペクトベースの感情分析(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。
ABSAの中核は、コンテキストと与えられたアスペクト間の相互作用をモデル化し、アスペクト関連の情報を抽出することである。
先行研究では、コンテキストと与えられたアスペクトの関係を捉えるために、注意機構と依存グラフネットワークが一般的である。
そして、コンテキスト隠れ状態の重み付き和は、分類器に供給される最後の表現として使用される。
しかし、与えられたアスペクトに関連する情報は、既に破棄され、既存のモデルのコンテキストモデリングプロセスに悪質な情報が保持される可能性がある。
この問題はその後のモジュールでは解決できず、2つの理由がある: 第一に、その操作はエンコーダが生成したコンテキスト隠れ状態上で行われ、その値はエンコーダの後に変更できない; 第二に、既存のエンコーダは与えられたアスペクトではなくコンテキストのみを考える。
この問題に対処するために、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しい手がかりと見なすべきである。
ソリューションとしては、アスペクト対応LSTMと3つのアスペクト対応BERTという、異なるバックボーンに基づくアスペクト対応コンテキストエンコーダを設計する。
それらはABSAタスク用に調整されたアスペクト対応の隠れ状態の生成に特化している。
これらのアスペクト対応コンテキストエンコーダでは、与えられたアスペクトのセマンティクスが情報フローの制御に使用される。
これにより、アスペクト関連情報を保持でき、生成した隠れ状態においてアスペクト関連情報を除外することができる。
我々は,いくつかのベンチマークデータセットに対して経験的解析を行い,提案するアスペクト認識コンテキストエンコーダの有効性と利点を実証した。
関連論文リスト
- Let's Rectify Step by Step: Improving Aspect-based Sentiment Analysis
with Diffusion Models [36.482634643246264]
本稿では,段階的に段階的にアスペクトを抽出するABSAに適した新しい拡散モデルを提案する。
DiffusionABSAは、トレーニングプロセスにおけるアスペクト用語に徐々にノイズを加え、その後、これらの用語を徐々に逆の方法で復元する認知プロセスを学ぶ。
境界を推定するために,構文認識型時間的注意機構によって強化された認知ニューラルネットワークを設計する。
論文 参考訳(メタデータ) (2024-02-23T12:35:43Z) - From Dialogue to Diagram: Task and Relationship Extraction from Natural
Language for Accelerated Business Process Prototyping [0.0]
本稿では、依存性解析と名前付きエンティティ認識(NER)の利用を、我々のアプローチの中心とする現代的ソリューションを紹介します。
我々は,行動関係の同定にSVO(Subject-Verb-Object)構造を用い,コンテキスト理解のためのWordNetなどの意味分析ツールを統合する。
このシステムはデータ変換と視覚化を十分に処理し、冗長に抽出された情報をBPMN(Business Process Model and Notation)ダイアグラムに変換する。
論文 参考訳(メタデータ) (2023-12-16T12:35:28Z) - 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) - A semantically enhanced dual encoder for aspect sentiment triplet
extraction [0.7291396653006809]
アスペクト・センチメント・トリプルト抽出(ASTE)はアスペクト・ベースの感情分析(ABSA)の重要なサブタスクである
従来の研究は、革新的なテーブル充填戦略によるASTEの強化に重点を置いてきた。
本稿では,BERTをベースとした基本エンコーダと,Bi-LSTMネットワークとGCN(Graph Convolutional Network)で構成される特定のエンコーダの両方を利用するフレームワークを提案する。
ベンチマークデータセットを用いた実験により,提案フレームワークの最先端性能を実証した。
論文 参考訳(メタデータ) (2023-06-14T09:04:14Z) - Aspect-specific Context Modeling for Aspect-based Sentiment Analysis [14.61906865051392]
アスペクトベース感情分析(ABSA)は、感情極性(SC)の予測や、特定の側面に表される意見スパン(OE)の抽出を目的としている。
PLM(pretrained language model, PLM)は、特徴帰納構造を単純化し、最先端の性能を達成するためにコンテキストモデリングレイヤーとして使われてきた。
本稿では,3つのアスペクト固有の入力変換,すなわちアスペクトコンパニオン,アスペクトプロンプト,アスペクトマーカーを提案する。
論文 参考訳(メタデータ) (2022-07-17T07:22:19Z) - Context-LGM: Leveraging Object-Context Relation for Context-Aware Object
Recognition [48.5398871460388]
本稿では,オブジェクト・コンテキスト関係を階層的にモデル化する新しいコンテキスト潜在生成モデル(Contextual Latent Generative Model,Context-LGM)を提案する。
文脈的特徴を推定するために、変数自動エンコーダ(VAE)の目的関数を再構成し、対象物に対する後続条件付き分布として文脈的特徴を学習する。
本手法の有効性は,2つのコンテキスト認識オブジェクト認識タスクにおける最先端性能によって検証される。
論文 参考訳(メタデータ) (2021-10-08T11:31:58Z) - Understand me, if you refer to Aspect Knowledge: Knowledge-aware Gated
Recurrent Memory Network [54.735400754548635]
アスペクトレベルの感情分類(ASC)は、レビューで言及された特定の側面に対する微粒な感情極性を予測することを目的としている。
最近のASCの進歩にもかかわらず、マシンが重要な側面の感情を推測できるようにすることは依然として困難である。
本稿では,(1)アスペクト知識の欠如によるアスペクト表現がアスペクトの正確な意味と特性情報を表現するのに不十分であること,(2)先行研究は局所的な構文情報とグローバルな関係情報のみを捉えること,という2つの課題に対処する。
論文 参考訳(メタデータ) (2021-08-05T03:39:30Z) - Learning from Context or Names? An Empirical Study on Neural Relation
Extraction [112.06614505580501]
テキストにおける2つの主要な情報ソースの効果について検討する:テキストコンテキストとエンティティ参照(名前)
本稿では,関係抽出のための実体型コントラスト事前学習フレームワーク(RE)を提案する。
我々のフレームワークは、異なるREシナリオにおけるニューラルモデルの有効性と堅牢性を改善することができる。
論文 参考訳(メタデータ) (2020-10-05T11:21:59Z) - How Far are We from Effective Context Modeling? An Exploratory Study on
Semantic Parsing in Context [59.13515950353125]
文法に基づく意味解析を行い,その上に典型的な文脈モデリング手法を適用する。
我々は,2つの大きなクロスドメインデータセットに対して,13のコンテキストモデリング手法を評価した。
論文 参考訳(メタデータ) (2020-02-03T11:28:10Z)
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。