論文の概要: Hyperbolic Disentangled Representation for Fine-Grained Aspect Extraction

• arxiv url: http://arxiv.org/abs/2112.09215v1
• Date: Thu, 16 Dec 2021 21:47:28 GMT
• ステータス: 処理完了
• システム内更新日: 2021-12-20 14:09:30.304682
• Title: Hyperbolic Disentangled Representation for Fine-Grained Aspect Extraction
• Title（参考訳）: 細粒度アスペクト抽出のための双曲異方性表現
• Authors: Chang-You Tai, Ming-Yao Li, Lun-Wei Ku
• Abstract要約: HDAEは、ユーザーレビューのための双曲型アンタングルアスペクト抽出器である。 Amazonの製品レビューとレストランレビューデータセットでは、平均F1パフォーマンスが18.2%、24.1%向上している。
• 参考スコア（独自算出の注目度）: 5.545062009366532
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Automatic identification of salient aspects from user reviews is especially useful for opinion analysis. There has been significant progress in utilizing weakly supervised approaches, which require only a small set of seed words for training aspect classifiers. However, there is always room for improvement. First, no weakly supervised approaches fully utilize latent hierarchies between words. Second, each seed words representation should have different latent semantics and be distinct when it represents a different aspect. In this paper, we propose HDAE, a hyperbolic disentangled aspect extractor in which a hyperbolic aspect classifier captures words latent hierarchies, and aspect-disentangled representation models the distinct latent semantics of each seed word. Compared to previous baselines, HDAE achieves average F1 performance gains of 18.2% and 24.1% on Amazon product review and restaurant review datasets, respectively. In addition, the em-bedding visualization experience demonstrates that HDAE is a more effective approach to leveraging seed words. An ablation study and a case study further attest to the effectiveness of the proposed components
• Abstract（参考訳）: ユーザレビューからの健全な側面の自動識別は、特に意見分析に有用である。 弱教師付きアプローチの利用には大きな進歩があり、アスペクト分類器の訓練には少数のシードワードしか必要としない。 しかし、改善の余地は常にあります。 第一に、単語間の潜在階層を十分に活用する弱い教師付きアプローチは存在しない。 第二に、それぞれの種語の表現は異なる潜在意味を持ち、異なる側面を表すとき区別されるべきである。 本稿では,ハイパボリック・アンタングル型アスペクト抽出器であるHDAEを提案する。これは,ハイパボリック・アスペクト分類器が単語の潜在階層をキャプチャし,アスペクト・アンタングル型表現が各シード語の異なる潜在意味をモデル化する。 以前のベースラインと比較して、HDAEはAmazon製品レビューとレストランレビューデータセットでそれぞれ18.2%と24.1%のパフォーマンス向上を達成した。 さらに、埋め込みビジュアライゼーションエクスペリエンスは、HDAEがシード語を活用するためのより効果的なアプローチであることを示している。 アブレーション研究と事例研究 : 提案成分の有効性をさらに検証する

関連論文リスト

• A Unified Label-Aware Contrastive Learning Framework for Few-Shot Named Entity Recognition [6.468625143772815]
  ラベル認識型トークンレベルのコントラスト学習フレームワークを提案する。 提案手法は,ラベルのセマンティクスを接尾辞のプロンプトとして活用することでコンテキストを豊かにする。 コンテキストネイティブとコンテキストラベルの対比学習目標を同時に最適化する。
  論文  参考訳（メタデータ） (2024-04-26T06:19:21Z)
• LEAF: Unveiling Two Sides of the Same Coin in Semi-supervised Facial Expression Recognition [56.22672276092373]
  半教師付き学習は、表情認識におけるラベル不足の課題に取り組むための有望なアプローチとして現れてきた。 本稿では,表現関連表現と擬似ラベルを協調する統合フレームワークであるhierarchicaL dEcoupling And Fusingを提案する。 LEAFは最先端の半教師付きFER法より優れており,ラベル付きデータとラベルなしデータの両方を効果的に活用できることを示す。
  論文  参考訳（メタデータ） (2024-04-23T13:43:33Z)
• Understanding Before Recommendation: Semantic Aspect-Aware Review Exploitation via Large Language Models [53.337728969143086]
  レコメンデーションシステムは、クリックやレビューのようなユーザとイテムのインタラクションを利用して表現を学習する。 従来の研究では、様々な側面や意図にまたがるユーザの嗜好をモデル化することで、推奨精度と解釈可能性を改善する。 そこで本研究では,意味的側面と認識的相互作用を明らかにするためのチェーンベースのプロンプト手法を提案する。
  論文  参考訳（メタデータ） (2023-12-26T15:44:09Z)
• A Self-enhancement Multitask Framework for Unsupervised Aspect Category Detection [0.24578723416255754]
  この研究は、少数のシードワードを用いた教師なしアスペクトカテゴリー検出の問題に対処する。 本稿では,初期シード語の品質を自動的に向上し,高品質な文章を訓練用として選択するフレームワークを提案する。 さらに,Aspect Term extract と Aspect Term Polarity を併用してAspect Term Detection を訓練し,さらなる性能向上を図る。
  論文  参考訳（メタデータ） (2023-11-16T09:35:24Z)
• Reflection Invariance Learning for Few-shot Semantic Segmentation [53.20466630330429]
  Few-shot semantic segmentation (FSS) は、いくつかのアノテーション付きサポートイメージを持つクエリイメージにおいて、目に見えないクラスのオブジェクトをセグメントすることを目的としている。 本稿では,マルチビューマッチング方式でリフレクション不変性をマイニングするための,新しい数ショットセグメンテーションフレームワークを提案する。 PASCAL-$5textiti$とCOCO-$20textiti$データセットの実験は、我々のアプローチの有効性を実証している。
  論文  参考訳（メタデータ） (2023-06-01T15:14:58Z)
• BERM: Training the Balanced and Extractable Representation for Matching to Improve Generalization Ability of Dense Retrieval [54.66399120084227]
  本稿では,BERMと呼ばれるマッチング信号の取得により,高密度検索の一般化を改善する手法を提案する。 センス検索は、ドメイン内のラベル付きデータセットでトレーニングされた場合、第1段階の検索プロセスにおいて有望であることが示されている。
  論文  参考訳（メタデータ） (2023-05-18T15:43:09Z)
• Dense Contrastive Visual-Linguistic Pretraining [53.61233531733243]
  画像とテキストを共同で表現するマルチモーダル表現学習手法が提案されている。 これらの手法は,大規模マルチモーダル事前学習から高レベルな意味情報を取得することにより,優れた性能を実現する。 そこで本稿では,非バイアスのDense Contrastive Visual-Linguistic Pretrainingを提案する。
  論文  参考訳（メタデータ） (2021-09-24T07:20:13Z)
• Self-Supervised Detection of Contextual Synonyms in a Multi-Class Setting: Phenotype Annotation Use Case [11.912581294872767]
  文脈的単語埋め込みは文脈的同義語を検出する強力なツールである。 本研究では,浅部マッチングによって生成されたデータに基づいて,概念の文脈的同義性を検出できる自己教師付き事前学習手法を提案する。
  論文  参考訳（メタデータ） (2021-09-04T21:35:01Z)
• 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)

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。