論文の概要: Improving Implicit Sentiment Learning via Local Sentiment Aggregation
- arxiv url: http://arxiv.org/abs/2110.08604v3
- Date: Tue, 16 May 2023 12:09:46 GMT
- ステータス: 処理完了
- システム内更新日: 2023-05-17 20:14:36.697122
- Title: Improving Implicit Sentiment Learning via Local Sentiment Aggregation
- Title(参考訳): 局所感情集約による暗黙的感情学習の改善
- Authors: Heng Yang, Ke Li
- Abstract要約: 我々は、現在の研究の状況は、モデル的側面の感情コヒーレンシーの重要性を十分に理解していないと論じる。
本稿では,微粒な感情コヒーレンシモデリングを容易にする局所感情集約パラダイム(LSA)を提案する。
LSAは3つの公開データセットにまたがって最先端のパフォーマンスを実現する。
- 参考スコア(独自算出の注目度): 12.772780082672316
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Aspect-based sentiment classification (ABSC) has revealed the potential
dependency of sentiment polarities among different aspects. Our study further
explores this phenomenon, positing that adjacent aspects often exhibit similar
sentiments, a concept we term "aspect sentiment coherency." We argue that the
current research landscape has not fully appreciated the significance of
modeling aspect sentiment coherency. To address this gap, we introduce a local
sentiment aggregation paradigm (LSA) that facilitates fine-grained sentiment
coherency modeling. This approach enables the extraction of implicit sentiments
for aspects lacking explicit sentiment descriptions. Leveraging gradient
descent, we design a differential-weighted sentiment aggregation window that
guides the modeling of aspect sentiment coherency. Experimental results affirm
the efficacy of LSA in learning sentiment coherency, as it achieves
state-of-the-art performance across three public datasets, thus significantly
enhancing existing ABSC models. We have made our code available, providing a
ready tool for existing methods to harness the potential of sentiment coherency
information.
- Abstract(参考訳): アスペクトベース感情分類(ABSC)は、異なる側面における感情極性の潜在的依存性を明らかにする。
本研究は, この現象を更に探求し, 隣接する側面がしばしば類似した感情を示すことを示唆し, 「感情の一貫性を尊重する」概念を提唱する。
我々は、現在の研究の状況は、モデル的側面の感情コヒーレンシーの重要性を十分に理解していないと論じる。
このギャップに対処するため,我々は,きめ細かい感情コヒーレンシモデリングを容易にする局所感情集約パラダイム(lsa)を導入する。
このアプローチは、明示的な感情記述を欠いたアスペクトに対する暗黙的な感情の抽出を可能にする。
勾配降下を利用して、アスペクト感情一貫性のモデリングを導く差分重み付け感情集約ウィンドウを設計する。
実験結果から,3つの公開データセットにわたる最先端のパフォーマンスを実現し,既存のABSCモデルを大幅に向上させることで,学習感情コヒーレンシーにおけるLSAの有効性が確認された。
既存のメソッドが感情コヒーレンシ情報の可能性を活用するための準備が整ったツールとして、私たちのコードを公開しました。
関連論文リスト
- Decoding Susceptibility: Modeling Misbelief to Misinformation Through a
Computational Approach [63.67533153887132]
誤報に対する感受性は、観測不可能な不検証の主張に対する信念の度合いを記述している。
既存の感受性研究は、自己報告された信念に大きく依存している。
本稿では,ユーザの潜在感受性レベルをモデル化するための計算手法を提案する。
論文 参考訳(メタデータ) (2023-11-16T07:22:56Z) - How are Prompts Different in Terms of Sensitivity? [56.951525287167065]
本稿では,関数の感度に基づく包括的即時解析を提案する。
出力に対する入力トークンの関連性に異なるプロンプトがどう影響するかを実証的に示すために、勾配に基づく唾液度スコアを使用する。
本稿では, 感度推定をペナルティ項として組み込んだ感度認識復号法を標準グリーディ復号法で導入する。
論文 参考訳(メタデータ) (2023-11-13T10:52:01Z) - Semantics-Consistent Feature Search for Self-Supervised Visual
Representation Learning [15.242064747740116]
拡張手順中に異なる意味概念を含む望ましくないビューを構築するのは避けられない。
これにより表現の意味的一貫性が損なわれ、これらの拡張を特徴空間に無差別に近づけることになる。
本研究では,特徴量の増大と,この負の効果を緩和する新しい意味論的特徴探索(SCFS)手法を提案する。
論文 参考訳(メタデータ) (2022-12-13T11:13:59Z) - BERT-ASC: Auxiliary-Sentence Construction for Implicit Aspect Learning
in Sentiment Analysis [4.008465268899542]
統合されたフレームワークにおけるアスペクト分類とアスペクトベースの感情サブタスクに対処することを提案する。
まず,意味的・統語的情報を協調して,暗黙的側面の補助文を構築するメカニズムを提案する。
次に、BERTは、自動構築された補助文に応答してアスペクト特化表現を学習することを推奨する。
論文 参考訳(メタデータ) (2022-03-22T13:12:27Z) - 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) - SentiPrompt: Sentiment Knowledge Enhanced Prompt-Tuning for Aspect-Based
Sentiment Analysis [22.758661494710047]
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。
論文 参考訳(メタデータ) (2021-09-17T01:56:06Z) - Towards Unbiased Visual Emotion Recognition via Causal Intervention [63.74095927462]
本稿では,データセットバイアスによる負の効果を軽減するために,新しい感情認識ネットワーク(IERN)を提案する。
IERNの有効性を検証する一連の設計されたテストと、3つの感情ベンチマークの実験は、IERNが他の最先端のアプローチよりも優れていることを示した。
論文 参考訳(メタデータ) (2021-07-26T10:40:59Z) - Transforming Feature Space to Interpret Machine Learning Models [91.62936410696409]
この貢献は、特徴空間変換のレンズを通して機械学習モデルを解釈する新しいアプローチを提案する。
非条件的および条件付きポストホック診断ツールの拡張に使用できる。
提案手法の可能性を実証するために,46特徴のリモートセンシング土地被覆分類の事例研究を行った。
論文 参考訳(メタデータ) (2021-04-09T10:48:11Z) - 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) - Spectrum-Guided Adversarial Disparity Learning [52.293230153385124]
本稿では,新たなエンド・ツー・エンドの知識指向学習フレームワークを提案する。
2つの競合符号化分布を用いてクラス条件付きクラス内不一致を表現し、学習された不一致を識別することで精製された潜伏符号を学習する。
4つのHARベンチマークデータセットに対する実験により,提案手法の頑健性と,最先端の手法による一般化が実証された。
論文 参考訳(メタデータ) (2020-07-14T05:46:27Z) - 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。