Fugu-MT 論文翻訳(概要): Opinion Extraction as A Structured Sentiment Analysis using Transformers

論文の概要: Opinion Extraction as A Structured Sentiment Analysis using Transformers

arxiv url: http://arxiv.org/abs/2112.05056v1
Date: Thu, 9 Dec 2021 17:33:18 GMT
ステータス: 処理完了
システム内更新日: 2021-12-10 13:49:32.889871
Title: Opinion Extraction as A Structured Sentiment Analysis using Transformers
Title（参考訳）: トランスフォーマーを用いた構造化感情分析としての意見抽出
Authors: Yucheng Liu and Tian Zhu
Abstract要約: どちらのタスクも、同じ入力データを持つ単一の積み重ねモデルに結合できると考えています。一つの文から複数の意見を引き出すのに最適なモデルを見つけるために,異なる実験を行った。
参考スコア（独自算出の注目度）: 1.90365714903665
License: http://creativecommons.org/licenses/by-nc-sa/4.0/
Abstract: Relationship extraction and named entity recognition have always been considered as two distinct tasks that require different input data, labels, and models. However, both are essential for structured sentiment analysis. We believe that both tasks can be combined into a single stacked model with the same input data. We performed different experiments to find the best model to extract multiple opinion tuples from a single sentence. The opinion tuples will consist of holders, targets, and expressions. With the opinion tuples, we will be able to extract the relationship we need.
Abstract（参考訳）: 関係抽出と名前付きエンティティ認識は、常に異なる入力データ、ラベル、モデルを必要とする2つの異なるタスクとみなされてきた。しかし、どちらも構造化された感情分析に不可欠である。両方のタスクは同じ入力データを持つ単一のスタックモデルに結合できると信じています。一つの文から複数の意見タプルを抽出する最良のモデルを見つけるために,異なる実験を行った。意見タプルはホルダー、ターゲット、表現で構成される。意見のタプルによって、私たちは必要な関係を抽出することができます。

関連論文リスト

A General Model for Aggregating Annotations Across Simple, Complex, and Multi-Object Annotation Tasks [51.14185612418977]
ラベルの品質を改善するための戦略は、複数のアノテータに同じ項目にラベルを付け、ラベルを集約するように求めることである。特定のタスクに対して様々なbespokeモデルが提案されているが、様々な複雑なタスクを一般化するアグリゲーションメソッドを導入するのはこれが初めてである。本論では,3つの新たな研究課題について検討し,今後の課題を概説する。
論文参考訳（メタデータ） (2023-12-20T21:28:35Z)
Comparative Analysis of Contextual Relation Extraction based on Deep Learning Models [0.0]
バイオメディカル産業におけるドメイン知識の創出には, 効率的かつ正確なCREシステムが必要である。深層学習技術は、複数の文からコンテキストに基づいて適切な意味関係を識別するために用いられてきた。本稿では,関係抽出に使用される様々な深層学習モデルの解析について述べる。
論文参考訳（メタデータ） (2023-09-13T09:05:09Z)
Multimodal Fusion Interactions: A Study of Human and Automatic Quantification [116.55145773123132]
我々は、人間がマルチモーダル相互作用の2つの分類に注釈を付ける方法を研究する。本稿では,部分的および対実的ラベルのアノテーションを情報分解に自動的に変換する手法を提案する。
論文参考訳（メタデータ） (2023-06-07T03:44:50Z)
Document-Level Relation Extraction with Sentences Importance Estimation and Focusing [52.069206266557266]
文書レベルの関係抽出(DocRE)は、複数の文の文書から2つのエンティティ間の関係を決定することを目的としている。我々はDocREのための文重要度スコアと文集中損失を設計するSIEF(Sentence Estimation and Focusing)フレームワークを提案する。 2つのドメインの実験結果から、SIEFは全体的なパフォーマンスを改善するだけでなく、DocREモデルをより堅牢にします。
論文参考訳（メタデータ） (2022-04-27T03:20:07Z)
Parallel Instance Query Network for Named Entity Recognition [73.30174490672647]
名前付きエンティティ認識(NER)は自然言語処理の基本課題である。最近の研究は、名前付きエンティティ認識を読み取り理解タスクとして扱い、エンティティを抽出するためにタイプ固有のクエリを手動で構築している。本稿では,グローバルかつ学習可能なインスタンスクエリを並列に抽出するParallel Instance Query Network (PIQN)を提案する。
論文参考訳（メタデータ） (2022-03-20T13:01:25Z)
A Simple but Effective Bidirectional Extraction Framework for Relational Triple Extraction [0.9926500244448218]
近年,タグに基づくリレーショナルトリプル抽出手法が研究の注目を集めている。これらの手法の多くは、まず全ての対象を抽出し、抽出された対象に基づいて対象と関係を同時に抽出する一方向抽出の枠組みを採っている。この枠組みには、被験者の抽出結果に敏感すぎるという明らかな欠陥がある。 2つの相補的な方向から抽出されたエンティティペアに基づいて三重項を抽出する双方向抽出フレームワークを提案する。
論文参考訳（メタデータ） (2021-12-09T14:17:33Z)
Entity Relation Extraction as Dependency Parsing in Visually Rich Documents [18.67730663266417]
一般的な依存性解析モデルであるbiaffineを,このエンティティ関係抽出タスクに適用する。単語間の依存関係関係を認識する依存性解析モデルとは異なることから,単語群間の関係をレイアウト情報で識別する。実世界のアプリケーションについては、本モデルが社内の税関データに適用され、プロダクション環境で信頼性の高い性能を実現している。
論文参考訳（メタデータ） (2021-10-19T12:26:40Z)
UniRE: A Unified Label Space for Entity Relation Extraction [67.53850477281058]
合同エンティティ関係抽出モデルでは、2つのサブタスクに対して2つの分離ラベル空間を設定する。この設定は、エンティティとリレーション間の情報相互作用を妨げる可能性があると我々は主張する。本研究では,2つのサブタスクのラベル空間における異なる処理を除去することを提案する。
論文参考訳（メタデータ） (2021-07-09T08:09:37Z)
A Cascade Dual-Decoder Model for Joint Entity and Relation Extraction [18.66493402386152]
重なり合う三重項を抽出する効果的なカスケード二重復号器法を提案する。我々のアプローチは単純であり、テキスト固有の関係デコーダと関係対応エンティティデコーダを含んでいる。提案手法の一般化性を検証するために,実世界の露天採掘データセットと2つの公開データセットについて実験を行った。
論文参考訳（メタデータ） (2021-06-27T07:42:05Z)
Learning Informative Representations of Biomedical Relations with Latent Variable Models [2.4366811507669115]
本稿では,任意に柔軟な分布を持つ潜在変数モデルを提案する。我々のモデルは、パラメータが少なく、トレーニングがかなり速く、両方のタスクの強いベースラインと競合する結果が得られることを実証する。
論文参考訳（メタデータ） (2020-11-20T08:56:31Z)
Few-shot Visual Reasoning with Meta-analogical Contrastive Learning [141.2562447971]
本稿では,類似推論に頼って,数ショット(または低ショット)の視覚推論問題を解くことを提案する。両領域の要素間の構造的関係を抽出し、類似学習と可能な限り類似するように強制する。 RAVENデータセット上での本手法の有効性を検証し, トレーニングデータが少ない場合, 最先端の手法より優れることを示す。
論文参考訳（メタデータ） (2020-07-23T14:00:34Z)

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。