論文の概要: SentiPrompt: Sentiment Knowledge Enhanced Prompt-Tuning for Aspect-Based Sentiment Analysis

• arxiv url: http://arxiv.org/abs/2109.08306v1
• Date: Fri, 17 Sep 2021 01:56:06 GMT
• ステータス: 処理完了
• システム内更新日: 2021-09-20 14:52:10.814287
• Title: SentiPrompt: Sentiment Knowledge Enhanced Prompt-Tuning for Aspect-Based Sentiment Analysis
• Title（参考訳）: sentiprompt:アスペクトベース感情分析のための感情知識強化プロンプトチューニング
• Authors: Chengxi Li, Feiyu Gao, Jiajun Bu, Lu Xu, Xiang Chen, Yu Gu, Zirui Shao, Qi Zheng, Ningyu Zhang, Yongpan Wang, Zhi Yu
• Abstract要約: 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。
• 参考スコア（独自算出の注目度）: 22.758661494710047
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Aspect-based sentiment analysis (ABSA) is an emerging fine-grained sentiment analysis task that aims to extract aspects, classify corresponding sentiment polarities and find opinions as the causes of sentiment. The latest research tends to solve the ABSA task in a unified way with end-to-end frameworks. Yet, these frameworks get fine-tuned from downstream tasks without any task-adaptive modification. Specifically, they do not use task-related knowledge well or explicitly model relations between aspect and opinion terms, hindering them from better performance. In this paper, we propose SentiPrompt to use sentiment knowledge enhanced prompts to tune the language model in the unified framework. We inject sentiment knowledge regarding aspects, opinions, and polarities into prompt and explicitly model term relations via constructing consistency and polarity judgment templates from the ground truth triplets. Experimental results demonstrate that our approach can outperform strong baselines on Triplet Extraction, Pair Extraction, and Aspect Term Extraction with Sentiment Classification by a notable margin.
• Abstract（参考訳）: アスペクトベースの感情分析(ABSA)は、アスペクトを抽出し、対応する感情極性を分類し、感情の原因として意見を見つけることを目的とした、よりきめ細かい感情分析タスクである。 最新の研究は、エンドツーエンドフレームワークでabsaタスクを統一的に解決する傾向がある。 しかし、これらのフレームワークはタスク適応的な変更なしに下流タスクから微調整される。 特に、彼らはタスク関連の知識をうまく使用したり、アスペクトと意見の言葉の関係を明示的にモデル化したりせず、より良いパフォーマンスを妨げる。 本稿では,統合フレームワークで言語モデルをチューニングするための感情知識強化プロンプトを用いたsentipromptを提案する。 我々は,三重項からの一貫性と極性判定テンプレートの構築を通じて,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。 実験の結果,三重項抽出,ペア抽出,アスペクト項抽出において,感情分類による強いベースラインを有意なマージンで上回ることができた。

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)
• Amplifying Aspect-Sentence Awareness: A Novel Approach for Aspect-Based Sentiment Analysis [2.9045498954705886]
  Aspect-Based Sentiment Analysis (ABSA)は自然言語処理(NLP)においてますます重要になっている ABSAは、テキストで言及されている特定の側面に関する感情を抽出することによって、従来の感情分析を越えている。 A3SN(Amplifying Aspect-Sentence Awareness)は,アスペクト・センス・アウェアネスを増幅することでABSAを強化する技術である。
  論文  参考訳（メタデータ） (2024-05-14T10:29:59Z)
• 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)
• Causal Intervention Improves Implicit Sentiment Analysis [67.43379729099121]
  インスツルメンタル・バリアブル(ISAIV)を用いたインシシット・センシティメント分析のための因果介入モデルを提案する。 まず、因果的視点から感情分析をレビューし、このタスクに存在する共同設立者を分析する。 そこで本研究では,文章と感情の因果関係を解消し,純粋因果関係を抽出するインストゥルメンタル変数を提案する。
  論文  参考訳（メタデータ） (2022-08-19T13:17:57Z)
• 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)
• 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)
• Hierarchical Interaction Networks with Rethinking Mechanism for Document-level Sentiment Analysis [37.20068256769269]
  文書レベルの感性分析(DSA)は、あいまいなセマンティックリンクと感情情報の複雑化により、より困難である。 そこで本研究では,DSAにおける対象の明示的パターンと感情文脈を用いた識別表現を効果的に生成する方法について検討する。 感性に基づく再考機構(SR)を,感情ラベル情報を用いてHINを精製し,より感情に敏感な文書表現を学習することによって設計する。
  論文  参考訳（メタデータ） (2020-07-16T16:27:38Z)
• SKEP: Sentiment Knowledge Enhanced Pre-training for Sentiment Analysis [69.80296394461149]
  本稿では,複数の感情分析タスクに対する統一的な感情表現を学習するために,感覚知識強化事前学習(SKEP)を導入する。 自動的な知識の助けを借りて、SKEPは感情マスキングを行い、3つの感情知識予測目標を構築する。 3種類の感情タスクの実験では、SKEPはトレーニング前ベースラインよりも有意に優れていた。
  論文  参考訳（メタデータ） (2020-05-12T09:23:32Z)
• SentiBERT: A Transferable Transformer-Based Architecture for Compositional Sentiment Semantics [82.51956663674747]
  SentiBERT は BERT の変種であり、構成的感情意味論を効果的に捉えている。 SentiBERTは語句レベルの感情分類において競争力を発揮することを示す。
  論文  参考訳（メタデータ） (2020-05-08T15:40:17Z)
• 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。