論文の概要: Extracting all Aspect-polarity Pairs Jointly in a Text with Relation
Extraction Approach
- arxiv url: http://arxiv.org/abs/2109.00256v1
- Date: Wed, 1 Sep 2021 09:00:39 GMT
- ステータス: 処理完了
- システム内更新日: 2021-09-02 14:32:33.449669
- Title: Extracting all Aspect-polarity Pairs Jointly in a Text with Relation
Extraction Approach
- Title(参考訳): 関係抽出手法を用いたテキスト中の全アスペクト極性ペアの抽出
- Authors: Lingmei Bu, Li Chen, Yongmei Lu and Zhonghua Yu
- Abstract要約: 本稿では,関係抽出技術を用いたテキストから直接アスペクト極性ペアを生成することを提案する。
アスペクト極性対の結合抽出のための位置認識とアスペクト認識のシーケンス2系列モデルを提案する。
- 参考スコア(独自算出の注目度): 6.844982778392037
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Extracting aspect-polarity pairs from texts is an important task of
fine-grained sentiment analysis. While the existing approaches to this task
have gained many progresses, they are limited at capturing relationships among
aspect-polarity pairs in a text, thus degrading the extraction performance.
Moreover, the existing state-of-the-art approaches, namely token-based
se-quence tagging and span-based classification, have their own defects such as
polarity inconsistency resulted from separately tagging tokens in the former
and the heterogeneous categorization in the latter where aspect-related and
polarity-related labels are mixed. In order to remedy the above defects,
in-spiring from the recent advancements in relation extraction, we propose to
generate aspect-polarity pairs directly from a text with relation extraction
technology, regarding aspect-pairs as unary relations where aspects are
enti-ties and the corresponding polarities are relations. Based on the
perspective, we present a position- and aspect-aware sequence2sequence model
for joint extraction of aspect-polarity pairs. The model is characterized with
its ability to capture not only relationships among aspect-polarity pairs in a
text through the sequence decoding, but also correlations between an aspect and
its polarity through the position- and aspect-aware attentions. The
experi-ments performed on three benchmark datasets demonstrate that our model
outperforms the existing state-of-the-art approaches, making significant
im-provement over them.
- Abstract(参考訳): テキストからアスペクト・ポーラリティーペアを抽出することは、きめ細かい感情分析の重要なタスクである。
このタスクに対する既存のアプローチは多くの進歩を遂げているが、テキスト中のアスペクト極性ペア間の関係を捉えることに制限があり、抽出性能が低下する。
さらに、既存の最先端のアプローチ、すなわちトークンベースのセレンスタグとスパンベースの分類は、前者の別個のタグ付けトークンによる極性不整合や、アスペクト関連のラベルと極性関連ラベルが混在する後者の不均一な分類など、独自の欠陥を持つ。
関係抽出技術の最近の進歩から着目された上記の欠陥を解消するため,関係抽出技術を用いたテキストから直接アスペクト極性ペアを生成し,アスペクトが関係性であり,対応する極性が関係性である一意関係としてのアスペクトペアについて検討する。
この観点から,アスペクト極性対の連成抽出のための位置認識シーケンス2系列モデルを提案する。
このモデルは、テキスト中のアスペクト極性ペア間の関係をシーケンスデコーディングによってキャプチャするだけでなく、位置認識とアスペクト認識の注意を通してアスペクトとその極性の間の相関を捉えることができる。
3つのベンチマークデータセットで実施された実験は、我々のモデルが既存の最先端アプローチよりも優れており、それらよりも大幅に改善されていることを示している。
関連論文リスト
- Entity or Relation Embeddings? An Analysis of Encoding Strategies for Relation Extraction [19.019881161010474]
関係抽出は、本質的にはテキスト分類問題であり、事前学習言語モデル(LM)を微調整することで取り組める。
既存のアプローチでは、LMを微調整して頭と尾のエンティティの埋め込みを学習し、それらのエンティティの埋め込みから関係を予測する。
本稿では,より直接的な方法で関係を捉えることにより,関係抽出モデルを改善することができるという仮説を立てる。
論文 参考訳(メタデータ) (2023-12-18T09:58:19Z) - Learning Complete Topology-Aware Correlations Between Relations for Inductive Link Prediction [121.65152276851619]
関係性間の意味的相関は本質的にエッジレベルとエンティティ非依存であることを示す。
本研究では,関係関係のトポロジ・アウェア・コレレーションをモデル化するための新しいサブグラフベース手法,TACOを提案する。
RCNのポテンシャルをさらに活用するために, 完全コモンニアインダストリアルサブグラフを提案する。
論文 参考訳(メタデータ) (2023-09-20T08:11:58Z) - PARTNER: Level up the Polar Representation for LiDAR 3D Object Detection [81.16859686137435]
本稿では、極座標における新しい3次元物体検出器Partnerを紹介する。
提案手法は,ONCE検証セットにおいて3.68%,9.15%の差で従来の極性理論よりも優れていた。
論文 参考訳(メタデータ) (2023-08-08T01:59:20Z) - Document-level Relation Extraction with Relation Correlations [15.997345900917058]
文書レベルの関係抽出は,長期問題と複数ラベル問題という,見落とされた2つの課題に直面している。
関係の共起相関を解析し,DocREタスクに初めて導入する。
論文 参考訳(メタデータ) (2022-12-20T11:17:52Z) - HiURE: Hierarchical Exemplar Contrastive Learning for Unsupervised
Relation Extraction [60.80849503639896]
非教師なし関係抽出は、関係範囲や分布に関する事前情報のない自然言語文からエンティティ間の関係を抽出することを目的としている。
本稿では,階層間注目を用いた階層的特徴空間から階層的信号を導出する機能を持つ,HiUREという新しいコントラスト学習フレームワークを提案する。
2つの公開データセットの実験結果は、最先端モデルと比較した場合の教師なし関係抽出におけるHiUREの有効性とロバスト性を示す。
論文 参考訳(メタデータ) (2022-05-04T17:56:48Z) - D-REX: Dialogue Relation Extraction with Explanations [65.3862263565638]
この研究は、部分的にラベル付けされたデータのみを使用しながら関係が存在することを示す説明を抽出することに焦点を当てている。
本稿では,政策誘導型半教師付きアルゴリズムD-REXを提案する。
約90%の人は、強いBERTに基づく関節関係抽出と説明モデルよりもD-REXの説明を好んでいる。
論文 参考訳(メタデータ) (2021-09-10T22:30:48Z) - First Target and Opinion then Polarity: Enhancing Target-opinion
Correlation for Aspect Sentiment Triplet Extraction [45.82241446769157]
Aspect Sentiment Triplet Extraction(ASTE)は、ターゲットエンティティ、関連する感情極性、および極性を合理化する意見スパンを含む文からトリプレットを抽出することを目的としています。
既存の方法は、目標対の相関関係の構築に短く、異なる感情三重項間の相互干渉を無視する。
シークエンスタギングによるターゲットと意見の相関性を高める新しい二段階法を提案する。
論文 参考訳(メタデータ) (2021-02-17T03:28:17Z) - TPLinker: Single-stage Joint Extraction of Entities and Relations
Through Token Pair Linking [20.526728682326358]
本稿では,1つまたは2つのエンティティを共有する重なり合う関係を発見することができる1段階共同抽出モデルTPLinkerを提案する。
実験の結果,TPLinkerは重なり合いと多重関係抽出に優れており,2つの公開データセット上での最先端のパフォーマンスを実現していることがわかった。
論文 参考訳(メタデータ) (2020-10-26T08:35:06Z) - Learning to Decouple Relations: Few-Shot Relation Classification with
Entity-Guided Attention and Confusion-Aware Training [49.9995628166064]
本稿では,2つのメカニズムを備えたモデルであるCTEGを提案する。
一方、注意を誘導するEGA機構を導入し、混乱を引き起こす情報をフィルタリングする。
一方,コンフュージョン・アウェア・トレーニング(CAT)法は,関係の識別を明示的に学習するために提案されている。
論文 参考訳(メタデータ) (2020-10-21T11:07:53Z) - Relabel the Noise: Joint Extraction of Entities and Relations via
Cooperative Multiagents [52.55119217982361]
協調型マルチエージェント群を用いて,雑音の多いインスタンスを処理するための共同抽出手法を提案する。
ノイズの多いインスタンスをきめ細かな方法で処理するために、協調グループの各エージェントは、自身の視点で連続的な信頼スコアを算出してインスタンスを評価する。
信頼度コンセンサスモジュールは、すべてのエージェントの知恵を収集し、信頼度ラベル付きラベルでノイズの多いトレーニングセットを再分割するように設計されている。
論文 参考訳(メタデータ) (2020-04-21T12:03:04Z)
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。