論文の概要: Fine-Grained Opinion Summarization with Minimal Supervision
- arxiv url: http://arxiv.org/abs/2110.08845v1
- Date: Sun, 17 Oct 2021 15:16:34 GMT
- ステータス: 処理完了
- システム内更新日: 2021-10-20 10:31:32.001686
- Title: Fine-Grained Opinion Summarization with Minimal Supervision
- Title（参考訳）: 極小スーパービジョンによる微粒オピニオン要約
- Authors: Suyu Ge, Jiaxin Huang, Yu Meng, Sharon Wang, Jiawei Han
- Abstract要約: 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。
- 参考スコア（独自算出の注目度）: 48.43506393052212
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Opinion summarization aims to profile a target by extracting opinions from
multiple documents. Most existing work approaches the task in a semi-supervised
manner due to the difficulty of obtaining high-quality annotation from
thousands of documents. Among them, some use aspect and sentiment analysis as a
proxy for identifying opinions. In this work, we propose a new framework,
FineSum, which advances this frontier in three aspects: (1) minimal
supervision, where only aspect names and a few aspect/sentiment keywords are
available; (2) fine-grained opinion analysis, where sentiment analysis drills
down to the sub-aspect level; and (3) phrase-based summarization, where opinion
is summarized in the form of phrases. FineSum automatically identifies opinion
phrases from the raw corpus, classifies them into different aspects and
sentiments, and constructs multiple fine-grained opinion clusters under each
aspect/sentiment. Each cluster consists of semantically coherent phrases,
expressing uniform opinions towards certain sub-aspect or characteristics
(e.g., positive feelings for ``burgers'' in the ``food'' aspect). An
opinion-oriented spherical word embedding space is trained to provide weak
supervision for the phrase classifier, and phrase clustering is performed using
the aspect-aware contextualized embedding generated from the phrase classifier.
Both automatic evaluation on the benchmark and quantitative human evaluation
validate the effectiveness of our approach.
- Abstract（参考訳）: オピニオン要約は、複数の文書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。
既存の作業の多くは、何千ものドキュメントから高品質なアノテーションを得ることが難しいため、半監督的な方法でタスクに近づきます。
その中でも、意見を識別するための代理としてアスペクトと感情分析を使用するものもある。
本研究では,(1)アスペクト名といくつかのアスペクト/強調キーワードのみ使用可能な最小限の監督,(2)感情分析をサブアスペクトレベルまで掘り下げたきめ細かな意見分析,(3)意見をフレーズ形式で要約した句ベースの要約という3つの観点で,このフロンティアを前進させる新たな枠組みであるファインサムを提案する。
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。
各クラスタは意味的に一貫性のあるフレーズで構成され、あるサブアスペクトや特徴に対して一様の意見を表現している(例: `food' における ``burgers''' に対する肯定的な感情)。
句分類器に対して、意見指向の球形単語埋め込み空間を訓練し、句分類器から生成されたアスペクト対応コンテキスト化埋め込みを用いて句クラスタリングを行う。
ベンチマークの自動評価と定量的人間評価はともに,提案手法の有効性を検証する。
関連論文リスト
- GLIMPSE: Pragmatically Informative Multi-Document Summarization for Scholarly Reviews [25.291384842659397]
本稿では,学術レビューの簡潔かつ包括的概要を提供するための要約手法であるsysを紹介する。
従来のコンセンサスに基づく手法とは異なり、sysは共通の意見とユニークな意見の両方をレビューから抽出する。
論文 参考訳（メタデータ） (2024-06-11T15:27:01Z) - Hierarchical Indexing for Retrieval-Augmented Opinion Summarization [60.5923941324953]
本稿では,抽出アプローチの帰属性と拡張性と,大規模言語モデル(LLM)の一貫性と拡散性を組み合わせた,教師なし抽象的意見要約手法を提案する。
我々の方法であるHIROは、意味的に整理された離散的な階層を通して文を経路にマッピングするインデックス構造を学習する。
推測時にインデックスを投入し、入力レビューから人気意見を含む文群を識別し、検索する。
論文 参考訳（メタデータ） (2024-03-01T10:38:07Z) - 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) - PropSegmEnt: A Large-Scale Corpus for Proposition-Level Segmentation and
Entailment Recognition [63.51569687229681]
文中の各命題の文的含意関係を個別に認識する必要性について論じる。
提案するPropSegmEntは45K以上の提案のコーパスであり, 専門家によるアノテートを行う。
我々のデータセット構造は、(1)文書内の文章を命題の集合に分割し、(2)異なるが、トポジカルに整合した文書に対して、各命題の含意関係を分類するタスクに類似している。
論文 参考訳（メタデータ） (2022-12-21T04:03:33Z) - AX-MABSA: A Framework for Extremely Weakly Supervised Multi-label Aspect
Based Sentiment Analysis [8.067010122141985]
極めて弱い教師付き多言語Aspect Category Sentiment Analysis フレームワークを提案する。
最初の指示情報として、クラスごとに1つの単語しか依存していません。
本稿では、これらのシードカテゴリと感情語を選択するための自動単語選択手法を提案する。
論文 参考訳（メタデータ） (2022-11-07T19:44:42Z) - 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) - A Variational Approach to Unsupervised Sentiment Analysis [8.87759101018566]
本研究では,教師なし感情分析のための変分アプローチを提案する。
我々は、監視信号としてターゲット-オピニオンワードペアを使用する。
顧客レビューと臨床物語に対する感情分析に本手法を適用した。
論文 参考訳（メタデータ） (2020-08-21T09:52:35Z) - A Unified Dual-view Model for Review Summarization and Sentiment
Classification with Inconsistency Loss [51.448615489097236]
ユーザーレビューから正確な要約と感情を取得することは、現代のEコマースプラットフォームにとって不可欠な要素である。
本稿では,これら2つのタスクの性能を協調的に改善する新しいデュアルビューモデルを提案する。
異なる領域の4つの実世界のデータセットに対する実験結果から,本モデルの有効性が示された。
論文 参考訳（メタデータ） (2020-06-02T13:34:11Z) - A computational model implementing subjectivity with the 'Room Theory'.
The case of detecting Emotion from Text [68.8204255655161]
本研究は,テキスト分析における主観性と一般的文脈依存性を考慮した新しい手法を提案する。
単語間の類似度を用いて、ベンチマーク中の要素の相対的関連性を抽出することができる。
この方法は、主観的評価がテキストの相対値や意味を理解するために関係しているすべてのケースに適用できる。
論文 参考訳（メタデータ） (2020-05-12T21:26:04Z)
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。