論文の概要: PASTE: A Tagging-Free Decoding Framework Using Pointer Networks for Aspect Sentiment Triplet Extraction

• arxiv url: http://arxiv.org/abs/2110.04794v1
• Date: Sun, 10 Oct 2021 13:39:39 GMT
• ステータス: 処理完了
• システム内更新日: 2021-10-12 17:07:59.850285
• Title: PASTE: A Tagging-Free Decoding Framework Using Pointer Networks for Aspect Sentiment Triplet Extraction
• Title（参考訳）: paste:アスペクト感情三重項抽出のためのポインタネットワークを用いたタグフリー復号フレームワーク
• Authors: Rajdeep Mukherjee, Tapas Nayak, Yash Butala, Sourangshu Bhattacharya, Pawan Goyal
• Abstract要約: Aspect Sentiment Triplet extract (ASTE)は、意見の対象または側面、関連する感情、およびそれに対応する意見用語/スパンからなる意見三つ子を抽出する。 我々は、ポイントネットワークベースのデコードフレームワークでエンコーダ・デコーダアーキテクチャを適用し、各ステップで全意見の三重項を生成する。
• 参考スコア（独自算出の注目度）: 12.921737393688245
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Aspect Sentiment Triplet Extraction (ASTE) deals with extracting opinion triplets, consisting of an opinion target or aspect, its associated sentiment, and the corresponding opinion term/span explaining the rationale behind the sentiment. Existing research efforts are majorly tagging-based. Among the methods taking a sequence tagging approach, some fail to capture the strong interdependence between the three opinion factors, whereas others fall short of identifying triplets with overlapping aspect/opinion spans. A recent grid tagging approach on the other hand fails to capture the span-level semantics while predicting the sentiment between an aspect-opinion pair. Different from these, we present a tagging-free solution for the task, while addressing the limitations of the existing works. We adapt an encoder-decoder architecture with a Pointer Network-based decoding framework that generates an entire opinion triplet at each time step thereby making our solution end-to-end. Interactions between the aspects and opinions are effectively captured by the decoder by considering their entire detected spans while predicting their connecting sentiment. Extensive experiments on several benchmark datasets establish the better efficacy of our proposed approach, especially in the recall, and in predicting multiple and aspect/opinion-overlapped triplets from the same review sentence. We report our results both with and without BERT and also demonstrate the utility of domain-specific BERT post-training for the task.
• Abstract（参考訳）: Aspect Sentiment Triplet extract (ASTE)は、意見の対象または側面、その関連する感情、およびその感情の背後にある理性を説明する対応する意見用語/スパンからなる意見三つ組の抽出を扱う。 既存の研究努力は主にタグ付けベースである。 シーケンスタギングアプローチを採用する手法の中には、3つの意見要因間の強い相互依存を捉えないものもあれば、重複するアスペクト/オピニオンスパンを持つ三重項を識別できないものもある。 一方、最近のグリッドタギングアプローチでは、アスペクト-オピニオンペア間の感情を予測しながら、スパンレベルのセマンティクスをキャプチャできない。 これらと異なるのは,既存の作業の制限に対処しつつ,タスクのタグ付け不要なソリューションを提案することだ。 我々は、ポイントネットワークベースのデコードフレームワークでエンコーダ・デコーダアーキテクチャを適用し、各ステップで意見全体を3倍にすることで、ソリューションをエンドツーエンドにします。 アスペクトと意見の相互作用は、検出されたスパン全体を考慮し、接続感情を予測し、デコーダによって効果的に捕捉される。 いくつかのベンチマークデータセットに対する大規模な実験は、特にリコールにおいて、提案手法のより良い有効性を確立し、同じレビュー文から多重およびアスペクト/オピニオンオーバーラップ三重項を予測する。 本報告では,BERT と BERT の併用,およびタスクに対するドメイン固有の BERT ポストトレーニングの有用性について報告する。

関連論文リスト

• SegVG: Transferring Object Bounding Box to Segmentation for Visual Grounding [56.079013202051094]
  ボックスレベルのアノテーションを信号として転送する新しい手法であるSegVGを提案する。 このアプローチでは,ボックスレベルのレグレッションとピクセルレベルのセグメンテーションの両方の信号としてアノテーションを反復的に利用することができる。
  論文  参考訳（メタデータ） (2024-07-03T15:30:45Z)
• Spatial-Temporal Graph Enhanced DETR Towards Multi-Frame 3D Object Detection [54.041049052843604]
  STEMDは,多フレーム3Dオブジェクト検出のためのDETRのようなパラダイムを改良した,新しいエンドツーエンドフレームワークである。 まず、オブジェクト間の空間的相互作用と複雑な時間的依存をモデル化するために、空間的時間的グラフアテンションネットワークを導入する。 最後に、ネットワークが正のクエリと、ベストマッチしない他の非常に類似したクエリを区別することが課題となる。
  論文  参考訳（メタデータ） (2023-07-01T13:53:14Z)
• Collaborative Group: Composed Image Retrieval via Consensus Learning from Noisy Annotations [67.92679668612858]
  我々は,集団が個人より優れているという心理的概念に触発されたコンセンサスネットワーク(Css-Net)を提案する。 Css-Netは,(1)コンセンサスモジュールと4つのコンセンサスモジュール,(2)コンセンサス間の相互作用の学習を促進するKulback-Leibler分散損失の2つのコアコンポーネントから構成される。 ベンチマークデータセット、特にFashionIQでは、Css-Netが大幅に改善されている。特に、R@10が2.77%、R@50が6.67%増加し、リコールが大幅に向上している。
  論文  参考訳（メタデータ） (2023-06-03T11:50:44Z)
• STAGE: Span Tagging and Greedy Inference Scheme for Aspect Sentiment Triplet Extraction [17.192861356588597]
  Aspect Sentiment Triplet extract (ASTE) は感情分析研究において新たな課題となっている。 Span TAgging and Greedy infErence (STAGE) を提案する。
  論文  参考訳（メタデータ） (2022-11-28T02:07:03Z)
• 3DMODT: Attention-Guided Affinities for Joint Detection & Tracking in 3D Point Clouds [95.54285993019843]
  本稿では,3次元点雲における複数物体の同時検出と追跡手法を提案する。 本モデルでは,複数のフレームを用いた時間情報を利用してオブジェクトを検出し,一つのネットワーク上で追跡する。
  論文  参考訳（メタデータ） (2022-11-01T20:59:38Z)
• Span-level Bidirectional Cross-attention Framework for Aspect Sentiment Triplet Extraction [10.522014946035664]
  Aspect Sentiment Triplet extract (ASTE)は、アスペクト項、感情、意見項の三つ子をレビュー文から抽出することを目的とした、新しいきめ細かい感情分析タスクである。 本稿では,ASTEのための双方向双方向多目的フレームワークを提案する。 我々のフレームワークは最先端の手法よりも優れており、マルチトークンエンティティを用いた三重項予測の性能が向上している。
  論文  参考訳（メタデータ） (2022-04-27T02:55:43Z)
• Learning Span-Level Interactions for Aspect Sentiment Triplet Extraction [25.984894351763945]
  Aspect Sentiment Triplet extract (ASTE)はABSAの最新のサブタスクである。 最近のモデルはエンドツーエンドで三重項抽出を行うが、それぞれの単語と意見語間の相互作用に強く依存している。 提案するスパンレベルアプローチは,感情関係を予測する際に,対象の全体と意見の相互作用を明示的に検討する。
  論文  参考訳（メタデータ） (2021-07-26T13:47:31Z)
• Bidirectional Machine Reading Comprehension for Aspect Sentiment Triplet Extraction [8.208671244754317]
  アスペクトセンチメントトリプレット抽出(ASTE)は、きめ細かいオピニオンマイニングの新たなタスクです。 我々はASTEタスクをマルチターン機械読解(MTMRC)タスクに変換する。 本稿では,この課題に対処する双方向MRC(BMRC)フレームワークを提案する。
  論文  参考訳（メタデータ） (2021-03-13T09:30:47Z)
• First Target and Opinion then Polarity: Enhancing Target-opinion Correlation for Aspect Sentiment Triplet Extraction [45.82241446769157]
  Aspect Sentiment Triplet Extraction(ASTE)は、ターゲットエンティティ、関連する感情極性、および極性を合理化する意見スパンを含む文からトリプレットを抽出することを目的としています。 既存の方法は、目標対の相関関係の構築に短く、異なる感情三重項間の相互干渉を無視する。 シークエンスタギングによるターゲットと意見の相関性を高める新しい二段階法を提案する。
  論文  参考訳（メタデータ） (2021-02-17T03:28:17Z)
• Position-Aware Tagging for Aspect Sentiment Triplet Extraction [37.76744150888183]
  Aspect Sentiment Triplet extract (ASTE) は、対象エンティティのトリプルを抽出するタスクであり、その感情の理由を説明する。 我々の観察では、三重項内の3つの要素は互いに非常に関連しており、このような三重項を抽出するジョイントモデルを構築する動機となっている。 本稿では,三つ子を共同抽出可能な新しい位置認識型タグ付け方式による最初のエンドツーエンドモデルを提案する。
  論文  参考訳（メタデータ） (2020-10-06T10:40:34Z)
• Learning and Matching Multi-View Descriptors for Registration of Point Clouds [48.25586496457587]
  まず,複数視点の画像から学習した多視点局所記述子を3次元キーポイント記述のために提案する。 そこで我々は,効率的な推論に基づいて,外乱マッチングを拒否することを目的とした,ロバストなマッチング手法を開発した。 我々は、パブリックスキャンとマルチビューステレオデータセットの登録に対する我々のアプローチの強化を実証した。
  論文  参考訳（メタデータ） (2018-07-16T01:58:27Z)

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。