論文の概要: Aspect-Sentiment-Multiple-Opinion Triplet Extraction

• arxiv url: http://arxiv.org/abs/2110.07303v1
• Date: Thu, 14 Oct 2021 12:12:31 GMT
• ステータス: 処理完了
• システム内更新日: 2021-10-15 13:56:59.707597
• Title: Aspect-Sentiment-Multiple-Opinion Triplet Extraction
• Title（参考訳）: Aspect-Sentiment-Multiple-Opinion Triplet extract
• Authors: Fang Wang, Yuncong Li, Sheng-hua Zhong, Cunxiang Yin, Yancheng He
• Abstract要約: Aspect Sentiment Multiple Opinions Triplet extract (ASMOTE) 本稿では,この課題に対処するアスペクトガイドフレームワーク(AGF)を提案する。
• 参考スコア（独自算出の注目度）: 12.053345309399958
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Aspect Sentiment Triplet Extraction (ASTE) aims to extract aspect term (aspect), sentiment and opinion term (opinion) triplets from sentences and can tell a complete story, i.e., the discussed aspect, the sentiment toward the aspect, and the cause of the sentiment. ASTE is a charming task, however, one triplet extracted by ASTE only includes one opinion of the aspect, but an aspect in a sentence may have multiple corresponding opinions and one opinion only provides part of the reason why the aspect has this sentiment, as a consequence, some triplets extracted by ASTE are hard to understand, and provide erroneous information for downstream tasks. In this paper, we introduce a new task, named Aspect Sentiment Multiple Opinions Triplet Extraction (ASMOTE). ASMOTE aims to extract aspect, sentiment and multiple opinions triplets. Specifically, one triplet extracted by ASMOTE contains all opinions about the aspect and can tell the exact reason that the aspect has the sentiment. We propose an Aspect-Guided Framework (AGF) to address this task. AGF first extracts aspects, then predicts their opinions and sentiments. Moreover, with the help of the proposed Sequence Labeling Attention(SLA), AGF improves the performance of the sentiment classification using the extracted opinions. Experimental results on multiple datasets demonstrate the effectiveness of our approach.
• Abstract（参考訳）: Aspect Sentiment Triplet extract (ASTE) は、文章からアスペクト項(アスペクト)、感情、意見項(オピニオン)を抽出し、完全なストーリー、すなわち、議論された側面、アスペクトに対する感情、感情の原因を語ることを目的としている。 asteは魅力的なタスクであるが、asteによって抽出された1つの三重項にはアスペクトの1つの意見しか含まれていないが、文中の1つの側面には複数の対応する意見があり、1つの意見はアスペクトがこの感情を持っている理由の一部しか提供していない。 本稿では,Aspect Sentiment Multiple Opinions Triplet extract (ASMOTE)というタスクを紹介する。 ASMOTEはアスペクト、感情、複数の意見の三つ子を抽出することを目的としている。 特に、ASMOTEによって抽出された1つの三重項には、その側面に関するすべての意見が含まれており、その側面が感情を持っている正確な理由を知ることができる。 この課題に対処するためのアスペクトガイドフレームワーク(AGF)を提案する。 AGFはまずアスペクトを抽出し、その後意見と感情を予測する。 さらに、提案したシーケンスラベル注意(SLA)の助けを借りて、AGFは抽出された意見を用いた感情分類の性能を向上させる。 複数のデータセットに対する実験結果から,本手法の有効性が示された。

関連論文リスト

• ExpLLM: Towards Chain of Thought for Facial Expression Recognition [61.49849866937758]
  本研究では,表情認識のための思考の正確な連鎖(CoT)を生成するExpLLMという新しい手法を提案する。 具体的には、重要な観察、全体的な感情解釈、結論の3つの観点から、CoTメカニズムを設計しました。 RAF-DBとAffectNetデータセットの実験では、ExpLLMは現在の最先端のFERメソッドよりも優れています。
  論文  参考訳（メタデータ） (2024-09-04T15:50:16Z)
• 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)
• 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)
• 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)
• 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)
• Fine-Grained Opinion Summarization with Minimal Supervision [48.43506393052212]
  FineSumは、複数のドキュメントから意見を抽出することでターゲットをプロファイルすることを目的としている。 FineSumは、生のコーパスから意見語句を自動的に識別し、異なる側面と感情に分類し、各アスペクト/感覚の下に複数のきめ細かい意見クラスタを構築する。 ベンチマークの自動評価と定量的人的評価の両方が,本手法の有効性を検証した。
  論文  参考訳（メタデータ） (2021-10-17T15:16:34Z)
• Stimuli-Aware Visual Emotion Analysis [75.68305830514007]
  本稿では,刺激選択,特徴抽出,感情予測の3段階からなる刺激認識型視覚感情分析(VEA)手法を提案する。 我々の知る限りでは、エンド・ツー・エンドのネットワークでVEAに刺激選択プロセスを導入するのは初めてです。 実験により、提案手法は、4つの公的な視覚的感情データセットに対する最先端のアプローチよりも一貫して優れていることが示された。
  論文  参考訳（メタデータ） (2021-09-04T08:14:52Z)
• Aspect Sentiment Triplet Extraction Using Reinforcement Learning [14.21689018940387]
  本稿では、表現された感情の議論として、アスペクトと意見項に関する新しいパラダイムASTE-RLを提案する。 まず、文章で表現された感情に注目し、その感情に対する対象的側面と意見条件を特定します。 このことは、探索とサンプル効率を改善しながら、三重項の成分間の相互相互作用を考慮に入れている。
  論文  参考訳（メタデータ） (2021-08-13T07:38:48Z)
• 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)
• A More Fine-Grained Aspect-Sentiment-Opinion Triplet Extraction Task [19.101354902943154]
  よりきめ細かいAspect-Sentiment-Opinion Triplet Extraction Taskを紹介します。 ASOTEが抽出した三重項の感情は、アスペクト項と意見項ペアの感情である。 いくつかの一般的なABSAベンチマークに基づいて、ASOTE用の4つのデータセットを構築します。
  論文  参考訳（メタデータ） (2021-03-29T00:42:51Z)
• 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)

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。