論文の概要: Aspect Sentiment Quad Prediction as Paraphrase Generation

• arxiv url: http://arxiv.org/abs/2110.00796v1
• Date: Sat, 2 Oct 2021 12:57:27 GMT
• ステータス: 処理完了
• システム内更新日: 2021-10-06 13:29:47.483627
• Title: Aspect Sentiment Quad Prediction as Paraphrase Generation
• Title（参考訳）: 言い換え生成としてのアスペクト感情クワッド予測
• Authors: Wenxuan Zhang, Yang Deng, Xin Li, Yifei Yuan, Lidong Bing, Wai Lam
• Abstract要約: 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。
• 参考スコア（独自算出の注目度）: 53.33072918744124
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Aspect-based sentiment analysis (ABSA) has been extensively studied in recent years, which typically involves four fundamental sentiment elements, including the aspect category, aspect term, opinion term, and sentiment polarity. Existing studies usually consider the detection of partial sentiment elements, instead of predicting the four elements in one shot. In this work, we introduce the Aspect Sentiment Quad Prediction (ASQP) task, aiming to jointly detect all sentiment elements in quads for a given opinionated sentence, which can reveal a more comprehensive and complete aspect-level sentiment structure. We further propose a novel \textsc{Paraphrase} modeling paradigm to cast the ASQP task to a paraphrase generation process. On one hand, the generation formulation allows solving ASQP in an end-to-end manner, alleviating the potential error propagation in the pipeline solution. On the other hand, the semantics of the sentiment elements can be fully exploited by learning to generate them in the natural language form. Extensive experiments on benchmark datasets show the superiority of our proposed method and the capacity of cross-task transfer with the proposed unified \textsc{Paraphrase} modeling framework.
• Abstract（参考訳）: アスペクトベース感情分析(absa)は近年、アスペクトカテゴリ、アスペクト項、意見項、感情極性を含む4つの基本的な感情要素を含む、広範囲に研究されている。 現存する研究は通常、一発で4つの要素を予測するのではなく、部分的な感情要素の検出を考慮する。 本稿では,任意の意見文に対するすべての感情要素を共同で検出し,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を目的とした,アスペクト感情4次予測(asqp)タスクを提案する。 さらに,asqpタスクをparaphrase生成プロセスにキャストする,新しい \textsc{paraphrase} モデリングパラダイムを提案する。 一方、生成定式化により、パイプラインソリューションの潜在的なエラー伝播を緩和し、エンドツーエンドでasqpを解決できる。 一方、感情要素の意味論は、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。 ベンチマークデータセットの大規模な実験は、提案手法の優位性と、提案した統合された \textsc{Paraphrase} モデリングフレームワークによるクロスタスク転送能力を示す。

関連論文リスト

• Self-Consistent Reasoning-based Aspect-Sentiment Quad Prediction with Extract-Then-Assign Strategy [17.477542644785483]
  自己整合性推論に基づくアスペクト知覚四重項予測(SCRAP)を提案する。 SCRAPはそのモデルを最適化し、推論とそれに対応する感情四重項を順番に生成する。 最終的に、SCRAPは、複雑な推論タスクを処理し、一貫性投票によって四重項を正確に予測するモデルの能力を大幅に改善する。
  論文  参考訳（メタデータ） (2024-03-01T08:34:02Z)
• USA: Universal Sentiment Analysis Model & Construction of Japanese Sentiment Text Classification and Part of Speech Dataset [0.0]
  本稿では,個々の単語と全体テキスト間の相互強化効果(MRE)を活用することで,性能の向上を提案する。 本研究を支援するために,4つの新しい感性テキスト分類と音声の一部(SCPOS)データセットをアノテートした。 さらに,7ビリオンのパラメータサイズを持つユニバーサル・センチメント・アナリティクス(USA)モデルを開発した。
  論文  参考訳（メタデータ） (2023-09-07T15:35:00Z)
• 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)
• DiaASQ : A Benchmark of Conversational Aspect-based Sentiment Quadruple Analysis [84.80347062834517]
  本稿では,対話における目標視差感の4倍を検出することを目的としたDiaASQを紹介する。 中国語と英語の両方で大規模なDiaASQデータセットを手作業で構築する。 我々は、タスクをベンチマークするニューラルネットワークを開発し、エンドツーエンドの4倍の予測を効果的に実行する。
  論文  参考訳（メタデータ） (2022-11-10T17:18:20Z)
• Instruction Tuning for Few-Shot Aspect-Based Sentiment Analysis [72.9124467710526]
  生成的アプローチは、テキストから(1つ以上の)4つの要素を1つのタスクとして抽出するために提案されている。 本稿では,ABSAを解くための統一的なフレームワークと,それに関連するサブタスクを提案する。
  論文  参考訳（メタデータ） (2022-10-12T23:38:57Z)
• INTERACTION: A Generative XAI Framework for Natural Language Inference Explanations [58.062003028768636]
  現在のXAIアプローチは、ひとつの説明を提供することにのみ焦点をあてています。 本稿では、生成型XAIフレームワーク、InterACTION(explaIn aNd predicT thEn queRy with contextuAl CondiTional variational autO-eNcoder)を提案する。 提案するフレームワークは,説明とラベル予測の2つのステップ,および(ステップ2)異種証拠生成の2つのステップで説明を行う。
  論文  参考訳（メタデータ） (2022-09-02T13:52:39Z)
• A Contrastive Cross-Channel Data Augmentation Framework for Aspect-based Sentiment Analysis [91.83895509731144]
  本稿では,感情分析の多面的課題を軽減するための新しいトレーニングフレームワークを提案する。 ソース文は、ドメイン固有のジェネレータに入力され、いくつかの合成文を取得する。 生成装置はアスペクト特化文と極性増強(PAC)を生成し、極性反転文を生成する。 我々のフレームワークは、精度とマクロF1よりも約1%向上することなく、これらのベースラインを上回ります。
  論文  参考訳（メタデータ） (2022-04-16T16:05:58Z)
• 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)

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。