論文の概要: Eliminating Sentiment Bias for Aspect-Level Sentiment Classification with Unsupervised Opinion Extraction

• arxiv url: http://arxiv.org/abs/2109.02403v1
• Date: Mon, 6 Sep 2021 12:32:42 GMT
• ステータス: 処理完了
• システム内更新日: 2021-09-07 22:29:50.199011
• Title: Eliminating Sentiment Bias for Aspect-Level Sentiment Classification with Unsupervised Opinion Extraction
• Title（参考訳）: 教師なしオピニオン抽出によるアスペクトレベル感性分類のための知覚バイアスの除去
• Authors: Bo Wang, Tao Shen, Guodong Long, Tianyi Zhou, Yi Chang
• Abstract要約: ALSCは文中の特定の側面の感情極性を特定することを目的としている。 最近の作業では、ALSCのための事前訓練されたトランスフォーマーエンコーダを微調整してアスペクト中心の依存性ツリーを抽出している。 本研究では,スパンベースのアンチバイアスアスペクト表現学習フレームワークを提案する。
• 参考スコア（独自算出の注目度）: 47.09579655541417
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Aspect-level sentiment classification (ALSC) aims at identifying the sentiment polarity of a specified aspect in a sentence. ALSC is a practical setting in aspect-based sentiment analysis due to no opinion term labeling needed, but it fails to interpret why a sentiment polarity is derived for the aspect. To address this problem, recent works fine-tune pre-trained Transformer encoders for ALSC to extract an aspect-centric dependency tree that can locate the opinion words. However, the induced opinion words only provide an intuitive cue far below human-level interpretability. Besides, the pre-trained encoder tends to internalize an aspect's intrinsic sentiment, causing sentiment bias and thus affecting model performance. In this paper, we propose a span-based anti-bias aspect representation learning framework. It first eliminates the sentiment bias in the aspect embedding by adversarial learning against aspects' prior sentiment. Then, it aligns the distilled opinion candidates with the aspect by span-based dependency modeling to highlight the interpretable opinion terms. Our method achieves new state-of-the-art performance on five benchmarks, with the capability of unsupervised opinion extraction.
• Abstract（参考訳）: アスペクトレベルの感情分類(ALSC)は、文中の特定の側面の感情極性を特定することを目的としている。 ALSCは、意見用語のラベル付けが不要なため、アスペクトベースの感情分析の実践的な設定であるが、なぜその側面に対して感情の極性が導出されるのかを理解できない。 この問題に対処するために,alsc の微調整プリトレーニングトランスエンコーダを用いて,意見の単語を識別可能なアスペクト中心の依存性木を抽出した。 しかし、誘導された意見語は人間レベルの解釈可能性よりはるかに低い直感的な手がかりを与えるだけである。 さらに、事前訓練されたエンコーダは、アスペクトの本質的な感情を内部化し、感情バイアスを引き起こし、モデルパフォーマンスに影響を与える傾向がある。 本稿では,スパンベースのアンチバイアスアスペクト表現学習フレームワークを提案する。 まず、前向きの感情に対する敵対的学習によって埋め込まれた側面の感情バイアスを除去する。 そして、スパンベースの依存性モデリングによって、蒸留された意見候補をアスペクトに合わせ、解釈可能な意見用語を強調する。 提案手法は,教師なし意見抽出機能を備えた5つのベンチマークにおいて,最先端性能を実現する。

関連論文リスト

• Enhanced Coherence-Aware Network with Hierarchical Disentanglement for Aspect-Category Sentiment Analysis [12.024076910894417]
  本稿では,ACSAタスクの階層的絡み合い(ECAN)を考慮したコヒーレンス対応ネットワークを提案する。 我々は,コヒーレンス表現に絡み合った複数のカテゴリと感情を効果的に分離し,SOTA(State-of-the-art)のパフォーマンスを実現する。
  論文  参考訳（メタデータ） (2024-03-15T11:32:44Z)
• Aspect-oriented Opinion Alignment Network for Aspect-Based Sentiment Classification [14.212306015270208]
  本稿では、意見語とそれに対応する側面の文脈的関連を捉えるために、アスペクト指向オピニオンアライメントネットワーク(AOAN)を提案する。 さらに,対象の側面に関連性のある意見情報を一致させる多視点的注意機構を設計する。 提案モデルでは,3つのベンチマークデータセットに対して最先端の結果が得られた。
  論文  参考訳（メタデータ） (2023-08-22T13:55:36Z)
• Sentiment-Aware Word and Sentence Level Pre-training for Sentiment Analysis [64.70116276295609]
  SentiWSPは、WordレベルとSentenceレベルの事前トレーニングタスクを組み合わせた、Sentiment対応の事前トレーニング言語モデルである。 SentiWSPは、様々な文レベルおよびアスペクトレベルの感情分類ベンチマーク上で、最先端のパフォーマンスを新たに達成する。
  論文  参考訳（メタデータ） (2022-10-18T12:25:29Z)
• Learning Implicit Sentiment in Aspect-based Sentiment Analysis with Supervised Contrastive Pre-Training [18.711698114617526]
  大規模感情アノテートコーパスを用いた教師付きコントラスト事前学習を提案する。 暗黙の感情表現を同一の感情ラベルを持つものと整合させることで、事前学習プロセスは、レビューの側面に対する暗黙の感情指向と明示的な感情指向の両方をよりよく捉えます。
  論文  参考訳（メタデータ） (2021-11-03T13:03:17Z)
• Fine-Grained Opinion Summarization with Minimal Supervision [48.43506393052212]
  FineSumは、複数のドキュメントから意見を抽出することでターゲットをプロファイルすることを目的としている。 FineSumは、生のコーパスから意見語句を自動的に識別し、異なる側面と感情に分類し、各アスペクト/感覚の下に複数のきめ細かい意見クラスタを構築する。 ベンチマークの自動評価と定量的人的評価の両方が,本手法の有効性を検証した。
  論文  参考訳（メタデータ） (2021-10-17T15:16:34Z)
• Aspect Sentiment Quad Prediction as Paraphrase Generation [53.33072918744124]
  Aspect Sentiment Quad Prediction (ASQP)タスクを導入し、与えられた意見文に対するクワッド内のすべての感情要素を共同で検出することを目的とした。 本稿では,ASQP タスクをパラフレーズ生成プロセスにキャストする新しいtextscParaphrase モデリングパラダイムを提案する。 一方、感情要素のセマンティクスは、自然言語形式でそれらを生成する学習によって完全に活用することができる。
  論文  参考訳（メタデータ） (2021-10-02T12:57:27Z)
• SentiPrompt: Sentiment Knowledge Enhanced Prompt-Tuning for Aspect-Based Sentiment Analysis [22.758661494710047]
  統一されたフレームワークで言語モデルをチューニングするためにSentiPromptを提案する。 側面、意見、極性に関する感情知識を、迅速かつ明示的に項関係をモデル化する。 提案手法は,三重項抽出,ペア抽出,および知覚分類によるアスペクト項抽出において,強いベースラインを達成できる。
  論文  参考訳（メタデータ） (2021-09-17T01:56:06Z)
• A Weak Supervised Dataset of Fine-Grained Emotions in Portuguese [0.0]
  本研究は,ポルトガル語の微粒な感情に対する語彙に基づく弱教師付きコーパスを作成するためのアプローチについて述べる。 その結果,低資源環境における初期作業の適切な戦略として,語彙に基づく弱監督が示唆された。
  論文  参考訳（メタデータ） (2021-08-17T14:08:23Z)
• Weakly-Supervised Aspect-Based Sentiment Analysis via Joint Aspect-Sentiment Topic Embedding [71.2260967797055]
  アスペクトベース感情分析のための弱教師付きアプローチを提案する。 We learn sentiment, aspects> joint topic embeddeds in the word embedding space。 次に、ニューラルネットワークを用いて単語レベルの識別情報を一般化する。
  論文  参考訳（メタデータ） (2020-10-13T21:33:24Z)
• GRACE: Gradient Harmonized and Cascaded Labeling for Aspect-based Sentiment Analysis [90.43089622630258]
  本稿では、これらの問題を解決するために、GRACE(GRadient hArmonized and CascadEd labeling model)を提案する。 提案モデルでは,複数のベンチマークデータセットの整合性向上を実現し,最先端の結果を生成する。
  論文  参考訳（メタデータ） (2020-09-22T13:55:34Z)

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。