論文の概要: Learning Span-Level Interactions for Aspect Sentiment Triplet Extraction
- arxiv url: http://arxiv.org/abs/2107.12214v1
- Date: Mon, 26 Jul 2021 13:47:31 GMT
- ステータス: 処理完了
- システム内更新日: 2021-07-27 16:11:48.663086
- Title: Learning Span-Level Interactions for Aspect Sentiment Triplet Extraction
- Title（参考訳）: アスペクト感情三重項抽出のためのスパンレベルインタラクションの学習
- Authors: Lu Xu, Yew Ken Chia, Lidong Bing
- Abstract要約: Aspect Sentiment Triplet extract (ASTE)はABSAの最新のサブタスクである。
最近のモデルはエンドツーエンドで三重項抽出を行うが、それぞれの単語と意見語間の相互作用に強く依存している。
提案するスパンレベルアプローチは,感情関係を予測する際に,対象の全体と意見の相互作用を明示的に検討する。
- 参考スコア（独自算出の注目度）: 25.984894351763945
- License: http://creativecommons.org/licenses/by-nc-nd/4.0/
- Abstract: Aspect Sentiment Triplet Extraction (ASTE) is the most recent subtask of ABSA
which outputs triplets of an aspect target, its associated sentiment, and the
corresponding opinion term. Recent models perform the triplet extraction in an
end-to-end manner but heavily rely on the interactions between each target word
and opinion word. Thereby, they cannot perform well on targets and opinions
which contain multiple words. Our proposed span-level approach explicitly
considers the interaction between the whole spans of targets and opinions when
predicting their sentiment relation. Thus, it can make predictions with the
semantics of whole spans, ensuring better sentiment consistency. To ease the
high computational cost caused by span enumeration, we propose a dual-channel
span pruning strategy by incorporating supervision from the Aspect Term
Extraction (ATE) and Opinion Term Extraction (OTE) tasks. This strategy not
only improves computational efficiency but also distinguishes the opinion and
target spans more properly. Our framework simultaneously achieves strong
performance for the ASTE as well as ATE and OTE tasks. In particular, our
analysis shows that our span-level approach achieves more significant
improvements over the baselines on triplets with multi-word targets or
opinions.
- Abstract（参考訳）: Aspect Sentiment Triplet extract (ASTE)は、ABSAの最新のサブタスクであり、アスペクトターゲット、関連する感情、および対応する意見項の三つ子を出力する。
最近のモデルはエンドツーエンドで三重項抽出を行うが、それぞれの単語と意見語間の相互作用に強く依存している。
したがって、複数の単語を含むターゲットや意見に対してうまく機能することができない。
提案するスパンレベルアプローチは,感情関係を予測する際に,対象の全体と意見の相互作用を明示的に検討する。
これにより、スパン全体のセマンティクスによる予測が可能になり、感情整合性が向上する。
本研究では、列挙による計算コストの増大を緩和するため、アスペクト項抽出(ATE)とオピニオン項抽出(OTE)のタスクの監督を取り入れた二重チャネル分割プルーニング戦略を提案する。
この戦略は計算効率を向上するだけでなく、意見や対象をより適切に区別する。
本フレームワークは,ASTEおよびATEおよびOTEタスクに対して高い性能を同時に達成する。
特に,マルチワードのターゲットや意見を持つトリプレットのベースラインよりも,スパンレベルのアプローチが大幅に改善されていることを示す。
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) - 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) - HIORE: Leveraging High-order Interactions for Unified Entity Relation
Extraction [85.80317530027212]
本稿では,統合エンティティ関係抽出のための新しい手法であるHIOREを提案する。
重要な洞察は、単語ペア間の複雑な関連を活用することである。
実験の結果,HIOREは従来最高の統一モデルよりも1.11.8 F1ポイント向上した。
論文 参考訳（メタデータ） (2023-05-07T14:57:42Z) - STAGE: Span Tagging and Greedy Inference Scheme for Aspect Sentiment
Triplet Extraction [17.192861356588597]
Aspect Sentiment Triplet extract (ASTE) は感情分析研究において新たな課題となっている。
Span TAgging and Greedy infErence (STAGE) を提案する。
論文 参考訳（メタデータ） (2022-11-28T02:07:03Z) - 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) - Span-level Bidirectional Cross-attention Framework for Aspect Sentiment
Triplet Extraction [10.522014946035664]
Aspect Sentiment Triplet extract (ASTE)は、アスペクト項、感情、意見項の三つ子をレビュー文から抽出することを目的とした、新しいきめ細かい感情分析タスクである。
本稿では,ASTEのための双方向双方向多目的フレームワークを提案する。
我々のフレームワークは最先端の手法よりも優れており、マルチトークンエンティティを用いた三重項予測の性能が向上している。
論文 参考訳（メタデータ） (2022-04-27T02:55:43Z) - PASTE: A Tagging-Free Decoding Framework Using Pointer Networks for
Aspect Sentiment Triplet Extraction [12.921737393688245]
Aspect Sentiment Triplet extract (ASTE)は、意見の対象または側面、関連する感情、およびそれに対応する意見用語/スパンからなる意見三つ子を抽出する。
我々は、ポイントネットワークベースのデコードフレームワークでエンコーダ・デコーダアーキテクチャを適用し、各ステップで全意見の三重項を生成する。
論文 参考訳（メタデータ） (2021-10-10T13:39:39Z) - Aspect Sentiment Triplet Extraction Using Reinforcement Learning [14.21689018940387]
本稿では、表現された感情の議論として、アスペクトと意見項に関する新しいパラダイムASTE-RLを提案する。
まず、文章で表現された感情に注目し、その感情に対する対象的側面と意見条件を特定します。
このことは、探索とサンプル効率を改善しながら、三重項の成分間の相互相互作用を考慮に入れている。
論文 参考訳（メタデータ） (2021-08-13T07:38:48Z) - A More Fine-Grained Aspect-Sentiment-Opinion Triplet Extraction Task [19.101354902943154]
よりきめ細かいAspect-Sentiment-Opinion Triplet Extraction Taskを紹介します。
ASOTEが抽出した三重項の感情は、アスペクト項と意見項ペアの感情である。
いくつかの一般的なABSAベンチマークに基づいて、ASOTE用の4つのデータセットを構築します。
論文 参考訳（メタデータ） (2021-03-29T00:42:51Z) - Opinion Transmission Network for Jointly Improving Aspect-oriented
Opinion Words Extraction and Sentiment Classification [56.893393134328996]
アスペクトレベルの感情分類(ALSC)とアスペクト指向の意見単語抽出(AOWE)は、アスペクトベースの感情分析の2つのサブタスクである。
本稿では,ALSC と AOWE の橋梁を利用した新しい接続モデル Opinion Transmission Network (OTN) を提案する。
論文 参考訳（メタデータ） (2020-11-01T11:00:19Z) - 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)
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。