論文の概要: To be Closer: Learning to Link up Aspects with Opinions

• arxiv url: http://arxiv.org/abs/2109.08382v1
• Date: Fri, 17 Sep 2021 07:37:13 GMT
• ステータス: 処理完了
• システム内更新日: 2021-09-20 21:24:45.970571
• Title: To be Closer: Learning to Link up Aspects with Opinions
• Title（参考訳）: より近づくために: アスペクトを意見とリンクすることを学ぶ
• Authors: Yuxiang Zhou, Lejian Liao, Yang Gao, Zhanming Jie, Wei Lu
• Abstract要約: アスペクトベース感情分析(ABSA)における係り受け解析木の有用性 本研究では,アスペクト中心のツリー構造を学習することで,アスペクトと対応する意見語の距離を短くすることを目的とする。 学習プロセスにより、木構造はアスペクトと意見語を適応的に相関させ、ABSAタスクの極性をよりよく識別することができる。
• 参考スコア（独自算出の注目度）: 18.956990787407793
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Dependency parse trees are helpful for discovering the opinion words in aspect-based sentiment analysis (ABSA). However, the trees obtained from off-the-shelf dependency parsers are static, and could be sub-optimal in ABSA. This is because the syntactic trees are not designed for capturing the interactions between opinion words and aspect words. In this work, we aim to shorten the distance between aspects and corresponding opinion words by learning an aspect-centric tree structure. The aspect and opinion words are expected to be closer along such tree structure compared to the standard dependency parse tree. The learning process allows the tree structure to adaptively correlate the aspect and opinion words, enabling us to better identify the polarity in the ABSA task. We conduct experiments on five aspect-based sentiment datasets, and the proposed model significantly outperforms recent strong baselines. Furthermore, our thorough analysis demonstrates the average distance between aspect and opinion words are shortened by at least 19% on the standard SemEval Restaurant14 dataset.
• Abstract（参考訳）: 依存性解析木はアスペクトベース感情分析(ABSA)における意見語の検出に有用である。 しかし、オフザシェルフ依存パーサから得られる木は静的であり、ABSAでは準最適である可能性がある。 これは、構文木が意見語とアスペクト語の相互作用を捉えるように設計されていないためである。 本研究では,アスペクト中心のツリー構造を学習することで,アスペクトと対応する意見語の距離を短くすることを目的とする。 アスペクトと意見語は、標準的な依存構文木と比較して、そのような木構造に沿って近いことが期待される。 学習プロセスにより、木構造はアスペクトと意見語を適応的に相関させ、ABSAタスクの極性をよりよく識別することができる。 我々は5つの側面に基づく感情データセットの実験を行い、提案モデルは近年の強いベースラインを大きく上回っている。 さらに,本研究では,SemEval Restaurant14データセットにおいて,アスペクトと意見語の平均距離を少なくとも19%短縮することを示した。

関連論文リスト

• Syntactic Language Change in English and German: Metrics, Parsers, and Convergences [56.47832275431858]
  本論文は,過去160年間の議会討論のコーパスを用いて,英語とドイツ語の統語的言語変化のダイアクロニックな傾向を考察する。 私たちは、広く使われているStanford Coreと、新しい4つの選択肢を含む5つの依存関係をベースとしています。 文長分布の尾部では,構文的尺度の変化が頻繁であることが明らかとなった。
  論文  参考訳（メタデータ） (2024-02-18T11:46:16Z)
• Interpreting Sentiment Composition with Latent Semantic Tree [21.008695645095038]
  本稿では,感情構成を原則的に解釈できる新しいツリー形式であるセマンティックツリーを提案する。 セマンティックツリー(Semantic tree)は、文脈自由文法(CFG)の派生であり、異なる意味的役割に関する特定の構成規則を記述するものである。 本手法は,正規化とドメイン適応化の設定において,ベースラインよりも優れた,あるいは競争的な結果が得られる。
  論文  参考訳（メタデータ） (2023-08-31T09:35:52Z)
• Opinion Tree Parsing for Aspect-based Sentiment Analysis [24.29073390167775]
  本稿では、より高速で、より包括的で完全なアスペクトレベルの感情構造を明らかにすることができる、意見木からすべての感情要素を解析することを目的とした意見木解析モデルを提案する。 特に、まず、文脈自由な意見文法を導入して、意見木構造を正規化する。次に、感情要素間の相関関係を網羅的に検討し、それらを意見木構造に解析する神経チャートベースの意見木を用いる。
  論文  参考訳（メタデータ） (2023-06-15T07:53:14Z)
• CPTAM: Constituency Parse Tree Aggregation Method [6.011216641982612]
  本稿では,異なる距離から区切り木を集約するために,真理発見の考え方を取り入れた。 本稿では,構造集約と構成ラベル集約という2つのステップで,構成構文解析木集約問題を定式化する。 さまざまな言語やドメインのベンチマークデータセットで実験が行われる。
  論文  参考訳（メタデータ） (2022-01-19T23:05:37Z)
• Linguistic dependencies and statistical dependence [76.89273585568084]
  文脈における単語の確率を推定するために,事前学習した言語モデルを用いる。 最大CPMI木は非文脈PMI推定値から抽出した木よりも言語的依存関係によく対応していることがわかった。
  論文  参考訳（メタデータ） (2021-04-18T02:43:37Z)
• Improving Aspect-based Sentiment Analysis with Gated Graph Convolutional Networks and Syntax-based Regulation [89.38054401427173]
  Aspect-based Sentiment Analysis (ABSA) は、特定の側面に向けて文の感情極性を予測する。 依存関係ツリーは、ABSAの最先端のパフォーマンスを生成するために、ディープラーニングモデルに統合することができる。 本稿では,この2つの課題を克服するために,グラフに基づく新しいディープラーニングモデルを提案する。
  論文  参考訳（メタデータ） (2020-10-26T07:36:24Z)
• A Survey of Unsupervised Dependency Parsing [62.16714720135358]
  教師なしの依存関係解析は、正しいパースツリーのアノテーションを持たない文から依存関係を学ぶことを目的としている。 その困難さにもかかわらず、教師なしの構文解析は、ほとんど無制限に注釈のないテキストデータを利用することができるため、興味深い研究方向である。
  論文  参考訳（メタデータ） (2020-10-04T10:51:22Z)
• Exploiting Syntactic Structure for Better Language Modeling: A Syntactic Distance Approach [78.77265671634454]
  我々はマルチタスクの目的、すなわち、モデルが単語を同時に予測し、また「シンタクティック距離」と呼ばれる形態で真実解析木を解析する。 Penn Treebank と Chinese Treebank のデータセットによる実験結果から,地上の真理解析木を追加の訓練信号として提供すると,そのモデルはより低いパープレキシティを実現し,より良い品質で木を誘導できることが示された。
  論文  参考訳（メタデータ） (2020-05-12T15:35:00Z)
• Relational Graph Attention Network for Aspect-based Sentiment Analysis [35.342467338880546]
  アスペクトベースの感情分析は、オンラインレビューにおける特定の側面に対する感情の極性を決定することを目的としている。 感情予測のための新しい木構造を符号化するリレーショナルグラフアテンションネットワーク(R-GAT)を提案する。 SemEval 2014とTwitterのデータセットで実験が行われている。
  論文  参考訳（メタデータ） (2020-04-26T12:21:04Z)
• A Deep Neural Framework for Contextual Affect Detection [51.378225388679425]
  感情を持たない短い単純なテキストは、その文脈と共に読むときに強い感情を表現することができる。 文中の単語の相互依存を学習する文脈影響検出フレームワークを提案する。
  論文  参考訳（メタデータ） (2020-01-28T05:03:15Z)

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。