論文の概要: LSA: Modeling Aspect Sentiment Coherency via Local Sentiment Aggregation
- arxiv url: http://arxiv.org/abs/2110.08604v4
- Date: Mon, 1 Apr 2024 15:44:11 GMT
- ステータス: 処理完了
- システム内更新日: 2024-04-05 00:07:06.329393
- Title: LSA: Modeling Aspect Sentiment Coherency via Local Sentiment Aggregation
- Title（参考訳）: LSA:局所感覚集約によるアスペクト知覚コヒーレンシのモデル化
- Authors: Heng Yang, Ke Li,
- Abstract要約: アスペクト・センチメント・コヒーレンシー(Aspect sentiment coherency)は、アスペクトベースの感情分類の分野において、興味深いが未解明のトピックである。
本稿では、差分重み付けされた感情集約ウィンドウの構築に基づく、新たな局所的な感情集約パラダイムを提案する。
我々は,感情コヒーレンシ・モデリングにより,ABSC敵防衛におけるLSAの有望な能力を示す。
- 参考スコア（独自算出の注目度）: 7.622122513456483
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Aspect sentiment coherency is an intriguing yet underexplored topic in the field of aspect-based sentiment classification. This concept reflects the common pattern where adjacent aspects often share similar sentiments. Despite its prevalence, current studies have not fully recognized the potential of modeling aspect sentiment coherency, including its implications in adversarial defense. To model aspect sentiment coherency, we propose a novel local sentiment aggregation (LSA) paradigm based on constructing a differential-weighted sentiment aggregation window. We have rigorously evaluated our model through experiments, and the results affirm the proficiency of LSA in terms of aspect coherency prediction and aspect sentiment classification. For instance, it outperforms existing models and achieves state-of-the-art sentiment classification performance across five public datasets. Furthermore, we demonstrate the promising ability of LSA in ABSC adversarial defense, thanks to its sentiment coherency modeling. To encourage further exploration and application of this concept, we have made our code publicly accessible. This will provide researchers with a valuable tool to delve into sentiment coherency modeling in future research.
- Abstract（参考訳）: アスペクト・センチメント・コヒーレンシー(Aspect sentiment coherency)は、アスペクトベースの感情分類の分野において、興味深いが未解明のトピックである。
この概念は、隣接する側面がしばしば同様の感情を共有する共通のパターンを反映している。
その流行にもかかわらず、現在の研究は、敵防衛におけるその影響を含め、側面の感情コヒーレンシーをモデル化する可能性を完全には認識していない。
アスペクトの感情コヒーレンシーをモデル化するために,差分重み付けされた感情アグリゲーションウィンドウを構築することに基づく,新たな局所的な感情アグリゲーション(LSA)パラダイムを提案する。
実験の結果, アスペクトコヒーレンシー予測とアスペクト感性分類の観点から, LSAの有効性を確認した。
例えば、既存のモデルを上回り、5つの公開データセットで最先端の感情分類のパフォーマンスを達成する。
さらに,感情コヒーレンシ・モデリングにより,ABSC敵防衛におけるLSAの有望な能力を示す。
この概念のさらなる探索と適用を促進するため、コードへのアクセスを公開しました。
これにより、将来の研究において、感情コヒーレンシーモデリングを探求する貴重なツールが提供される。
関連論文リスト
- Linking Robustness and Generalization: A k* Distribution Analysis of Concept Clustering in Latent Space for Vision Models [56.89974470863207]
本稿では,局所的近傍解析手法であるk*分布を用いて,個々の概念のレベルで学習された潜伏空間について検討する。
視覚モデルの潜在空間の全体的品質を評価するために、個々の概念を解釈するための歪度に基づく真および近似メトリクスを導入する。
論文 参考訳（メタデータ） (2024-08-17T01:43:51Z) - Unmasking the Veil: An Investigation into Concept Ablation for Privacy and Copyright Protection in Images [0.0]
クマリらによる「テキスト・トゥ・イメージ拡散モデルにおけるAblating Concepts in Text-to- Image Diffusion Models」で紹介された事前学習モデルにおける概念アブレーションの研究を拡大する。
本稿では,新しい概念アブレーション,すなわち「商標アブレーション」を導入する。
この変種は、記憶の原理とインスタンスアブレーションを組み合わせて、モデル出力におけるプロプライエタリまたはブランディングされた要素のニュアンスな影響に取り組む。
論文 参考訳（メタデータ） (2024-06-18T13:22:29Z) - MirrorCheck: Efficient Adversarial Defense for Vision-Language Models [55.73581212134293]
本稿では,視覚言語モデルにおける対角的サンプル検出のための,新しい,しかしエレガントなアプローチを提案する。
本手法は,テキスト・トゥ・イメージ(T2I)モデルを用いて,ターゲットVLMが生成したキャプションに基づいて画像を生成する。
異なるデータセットで実施した経験的評価により,本手法の有効性が検証された。
論文 参考訳（メタデータ） (2024-06-13T15:55:04Z) - Enhanced Coherence-Aware Network with Hierarchical Disentanglement for Aspect-Category Sentiment Analysis [12.024076910894417]
本稿では,ACSAタスクの階層的絡み合い(ECAN)を考慮したコヒーレンス対応ネットワークを提案する。
我々は,コヒーレンス表現に絡み合った複数のカテゴリと感情を効果的に分離し,SOTA(State-of-the-art)のパフォーマンスを実現する。
論文 参考訳（メタデータ） (2024-03-15T11:32:44Z) - SA-Attack: Improving Adversarial Transferability of Vision-Language
Pre-training Models via Self-Augmentation [56.622250514119294]
ホワイトボックスの敵攻撃とは対照的に、転送攻撃は現実世界のシナリオをより反映している。
本稿では,SA-Attackと呼ばれる自己拡張型転送攻撃手法を提案する。
論文 参考訳（メタデータ） (2023-12-08T09:08:50Z) - Decoding Susceptibility: Modeling Misbelief to Misinformation Through a Computational Approach [61.04606493712002]
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) - Fairness meets Cross-Domain Learning: a new perspective on Models and
Metrics [80.07271410743806]
クロスドメイン学習(CD)とモデルフェアネスの関係について検討する。
いくつかの人口集団にまたがる顔画像と医療画像のベンチマークと、分類とローカライゼーションタスクについて紹介する。
本研究は,3つの最先端フェアネスアルゴリズムとともに,14のCDアプローチをカバーし,前者が後者に勝ることを示す。
論文 参考訳（メタデータ） (2023-03-25T09:34:05Z) - Aspect-specific Context Modeling for Aspect-based Sentiment Analysis [14.61906865051392]
アスペクトベース感情分析(ABSA)は、感情極性(SC)の予測や、特定の側面に表される意見スパン(OE)の抽出を目的としている。
PLM(pretrained language model, PLM)は、特徴帰納構造を単純化し、最先端の性能を達成するためにコンテキストモデリングレイヤーとして使われてきた。
本稿では,3つのアスペクト固有の入力変換,すなわちアスペクトコンパニオン,アスペクトプロンプト,アスペクトマーカーを提案する。
論文 参考訳（メタデータ） (2022-07-17T07:22:19Z) - 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) - Harnessing Perceptual Adversarial Patches for Crowd Counting [92.79051296850405]
群衆のカウントは、物理的な世界の敵の例に弱い。
本稿では,モデル間での知覚的特徴の共有を学習するためのPAP(Perceptual Adrial Patch)生成フレームワークを提案する。
論文 参考訳（メタデータ） (2021-09-16T13:51:39Z) - Exploiting Position Bias for Robust Aspect Sentiment Classification [10.846244829247716]
本稿では,位置バイアス,すなわち位置バイアスの重み付けと位置バイアスの落差を捉えるための2つのメカニズムを提案する。
提案手法は,現行モデルのロバスト性と有効性を大幅に改善する。
論文 参考訳（メタデータ） (2021-05-29T04:41:09Z)
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。