論文の概要: Recommend for a Reason: Unlocking the Power of Unsupervised Aspect-Sentiment Co-Extraction

• arxiv url: http://arxiv.org/abs/2109.03821v1
• Date: Tue, 7 Sep 2021 21:40:56 GMT
• ステータス: 処理完了
• システム内更新日: 2021-09-10 14:03:14.858605
• Title: Recommend for a Reason: Unlocking the Power of Unsupervised Aspect-Sentiment Co-Extraction
• Title（参考訳）: 理由を推薦する:教師なしアスペクト強調共抽出の力を解き放つ
• Authors: Zeyu Li, Wei Cheng, Reema Kshetramade, John Houser, Haifeng Chen, Wei Wang
• Abstract要約: レビューにおける補完や関心は、特定の項目の特定の側面に関して、ユーザのショッピング上の関心や意見を理解するのに有用である。 既存のレビューベースのレコメンデータは、潜在的かつ解釈不能なテキスト表現のみを学習できる大規模で複雑な言語エンコーダを好んでいる。 Aspect-Sentiment Pair Extractor (ASPE) と Attention-Property-aware Rating Estor (APRE) を含む密結合型2段階のアプローチを提案する。
• 参考スコア（独自算出の注目度）: 21.323689435486415
• License: http://creativecommons.org/licenses/by-nc-nd/4.0/
• Abstract: Compliments and concerns in reviews are valuable for understanding users' shopping interests and their opinions with respect to specific aspects of certain items. Existing review-based recommenders favor large and complex language encoders that can only learn latent and uninterpretable text representations. They lack explicit user attention and item property modeling, which however could provide valuable information beyond the ability to recommend items. Therefore, we propose a tightly coupled two-stage approach, including an Aspect-Sentiment Pair Extractor (ASPE) and an Attention-Property-aware Rating Estimator (APRE). Unsupervised ASPE mines Aspect-Sentiment pairs (AS-pairs) and APRE predicts ratings using AS-pairs as concrete aspect-level evidence. Extensive experiments on seven real-world Amazon Review Datasets demonstrate that ASPE can effectively extract AS-pairs which enable APRE to deliver superior accuracy over the leading baselines.
• Abstract（参考訳）: レビューにおける補完や関心は、特定の項目の特定の側面に関して、ユーザのショッピング関心や意見を理解するのに有用である。 既存のレビューベースのレコメンデータは、潜在的かつ解釈不能なテキスト表現のみを学習できる大規模で複雑な言語エンコーダを好んでいる。 明確なユーザの注意とアイテムプロパティのモデリングが欠如しているため、アイテムを推薦する能力以上の貴重な情報を提供できる。 そこで本稿では,ASPE(Aspect-Sentiment Pair Extractor)とAPRE(Atention-Property-Aware Rating Estimator)という2段階の密結合型アプローチを提案する。 監督されていないASPEは、アスペクト・センティメントペア(ASペア)とAPREを具体的なアスペクトレベルの証拠としてASペアを用いて評価する。 7つの実世界のAmazon Reviewデータセットに関する大規模な実験は、ASPEがASペアを効果的に抽出し、APREが主要なベースラインよりも優れた精度を提供できることを示した。

関連論文リスト

• Stability of Explainable Recommendation [10.186029242664931]
  既存の特徴指向の説明可能なレコメンデーションの脆弱性について検討する。 我々は、全ての説明可能なモデルが騒音レベルの増加に弱いことを観察する。 本研究は,レコメンデーションシステムにおけるロバストな説明の話題について,実証的な検証を行った。
  論文  参考訳（メタデータ） (2024-05-03T04:44:51Z)
• Understanding Before Recommendation: Semantic Aspect-Aware Review Exploitation via Large Language Models [53.337728969143086]
  レコメンデーションシステムは、クリックやレビューのようなユーザとイテムのインタラクションを利用して表現を学習する。 従来の研究では、様々な側面や意図にまたがるユーザの嗜好をモデル化することで、推奨精度と解釈可能性を改善する。 そこで本研究では,意味的側面と認識的相互作用を明らかにするためのチェーンベースのプロンプト手法を提案する。
  論文  参考訳（メタデータ） (2023-12-26T15:44:09Z)
• Document-Level Supervision for Multi-Aspect Sentiment Analysis Without Fine-grained Labels [14.187425779776204]
  本稿では,文書レベルの監視を用いてABSAを実行するVAEベースのトピックモデリング手法を提案する。 この手法により、文書内の複数の側面を検知し、複数の側面を通して表現された感情がどのように集まって、観察可能な文書レベルの感情を形成するのかを推論することが可能になる。
  論文  参考訳（メタデータ） (2023-10-10T18:53:21Z)
• OATS: Opinion Aspect Target Sentiment Quadruple Extraction Dataset for Aspect-Based Sentiment Analysis [55.61047894397937]
  アスペクトベースの感情分析(ABSA)は、ユーザ生成レビュー内の異なる要素に特有の感情を理解する。 OATSデータセットは3つの新しいドメインを包含し,27,470の文レベルと17,092のレビューレベルから構成される。 私たちのイニシアチブは、レストランやラップトップのようなよく知られたドメイン、複雑な四重項抽出タスクのための限られたデータ、時には文とレビューレベルの感情の相乗効果の監視といった、特定の観察されたギャップを埋めることを目指しています。
  論文  参考訳（メタデータ） (2023-09-23T07:39:16Z)
• Explainable Recommender with Geometric Information Bottleneck [25.703872435370585]
  本稿では,ユーザ-イテム相互作用から学習した幾何学的事前学習を変分ネットワークに組み込むことを提案する。 個々のユーザとイテムペアからの遅延因子は、レコメンデーションと説明生成の両方に使用することができる。 3つの電子商取引データセットの実験結果から,我々のモデルは変分レコメンデータの解釈可能性を大幅に向上させることが示された。
  論文  参考訳（メタデータ） (2023-05-09T10:38:36Z)
• From Stars to Insights: Exploration and Implementation of Unified Sentiment Analysis with Distant Supervision [1.940999549833078]
  本稿では,ACD,ACSA,RPをコヒーレントなフレームワークに統合する新しい学習パラダイムであるUni-SAを紹介する。 本稿では, 単語, アスペクト, 文書レベルでの感情を捉えるためにピラミッド構造を用いたDSPN(Distantly Supervised Pyramid Network)を提案する。 本研究はDSPNの有効性と効率を検証し,感情分析のための堅牢で資源効率の高い統一的な枠組みを構築した。
  論文  参考訳（メタデータ） (2023-05-02T18:23:50Z)
• Be Your Own Neighborhood: Detecting Adversarial Example by the Neighborhood Relations Built on Self-Supervised Learning [64.78972193105443]
  本稿では,予測に有効な新しいAE検出フレームワークを提案する。 AEの異常な関係と拡張バージョンを区別して検出を行う。 表現を抽出し、ラベルを予測するために、既製の自己監視学習(SSL)モデルが使用される。
  論文  参考訳（メタデータ） (2022-08-31T08:18:44Z)
• SIFN: A Sentiment-aware Interactive Fusion Network for Review-based Item Recommendation [48.1799451277808]
  本稿では、レビューに基づく項目推薦のための感性認識型インタラクティブフュージョンネットワーク(SIFN)を提案する。 まず、BERTを介してユーザ/イテムレビューをエンコードし、各レビューのセマンティックな特徴を抽出する軽量な感情学習者を提案する。 そこで我々は,感情学習者が明示的な感情ラベルを用いて感情認識特徴を抽出するための感情予測タスクを提案する。
  論文  参考訳（メタデータ） (2021-08-18T08:04:38Z)
• WSSOD: A New Pipeline for Weakly- and Semi-Supervised Object Detection [75.80075054706079]
  弱機能および半教師付きオブジェクト検出フレームワーク(WSSOD)を提案する。 エージェント検出器は、まず関節データセット上でトレーニングされ、弱注釈画像上で擬似境界ボックスを予測するために使用される。 提案フレームワークはPASCAL-VOC と MSCOCO のベンチマークで顕著な性能を示し,完全教師付き環境で得られたものと同等の性能を達成している。
  論文  参考訳（メタデータ） (2021-05-21T11:58:50Z)
• Understanding Pre-trained BERT for Aspect-based Sentiment Analysis [71.40586258509394]
  本稿では、アスペクトベース感情分析(ABSA)におけるタスクに対するBERTのレビューから得られた事前学習された隠れ表現について分析する。 アスペクトや意見のアノテーションなしでラベル付けされていないコーパスでトレーニングされた(マスクされた)言語モデルの一般的なプロキシタスクが、ABSAの下流タスクにどのように重要な機能を提供するかは明らかではない。
  論文  参考訳（メタデータ） (2020-10-31T02:21:43Z)

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。