論文の概要: Auto-ABSA: Cross-Domain Aspect Detection and Sentiment Analysis Using Auxiliary Sentences

• arxiv url: http://arxiv.org/abs/2202.00484v3
• Date: Tue, 15 Oct 2024 00:28:02 GMT
• ステータス: 翻訳完了
• システム内更新日: 2024-10-16 13:59:43.355654
• Title: Auto-ABSA: Cross-Domain Aspect Detection and Sentiment Analysis Using Auxiliary Sentences
• Title（参考訳）: Auto-ABSA:補助文を用いたクロスドメインアスペクトの検出と知覚分析
• Authors: Teng Wang, Bolun Sun, Yijie Tong,
• Abstract要約: 本研究では,感情予測を支援するために,文に含まれる側面を補助文として用いた手法を提案する。 1つ目はアスペクト検出であり、文が持つすべてのアスペクトを予測するためにマルチアスペクト検出モデルを使用する。 2つ目は、ドメイン外アスペクトベースの感情分析(ABSA)、ある種類のデータセットで感情分類モデルをトレーニングし、別の種類のデータセットでそれを検証することである。
• 参考スコア（独自算出の注目度）: 1.368483823700914
• License:
• Abstract: After transformer is proposed, lots of pre-trained language models have been come up with and sentiment analysis (SA) task has been improved. In this paper, we proposed a method that uses an auxiliary sentence about aspects that the sentence contains to help sentiment prediction. The first is aspect detection, which uses a multi-aspects detection model to predict all aspects that the sentence has. Combining the predicted aspects and the original sentence as Sentiment Analysis (SA) model's input. The second is to do out-of-domain aspect-based sentiment analysis(ABSA), train sentiment classification model with one kind of dataset and validate it with another kind of dataset. Finally, we created two baselines, they use no aspect and all aspects as sentiment classification model's input, respectively. Compare two baselines performance to our method, found that our method really makes sense.
• Abstract（参考訳）: トランスが提案された後、多くの事前学習された言語モデルが作成され、感情分析(SA)タスクが改善された。 本稿では,感情予測を支援するために,文に含まれる側面を補助文として用いた手法を提案する。 1つ目はアスペクト検出であり、文が持つすべてのアスペクトを予測するためにマルチアスペクト検出モデルを使用する。 予測アスペクトと原文を感性分析(SA)モデルの入力として組み合わせる。 2つ目は、ドメイン外アスペクトベースの感情分析(ABSA)、ある種類のデータセットで感情分類モデルをトレーニングし、別の種類のデータセットでそれを検証することである。 最後に、感情分類モデルの入力としてアスペクトを使用せず、すべてのアスペクトをそれぞれ使用する2つのベースラインを作成しました。 2つの基本性能を本手法と比較すると,本手法が本当に理にかなっていることがわかった。

関連論文リスト

• Bidirectional Generative Framework for Cross-domain Aspect-based Sentiment Analysis [68.742820522137]
  クロスドメインアスペクトベースの感情分析(ABSA)は、ソースドメインから知識を伝達することで、ターゲットドメイン上で様々なきめ細かい感情分析タスクを実行することを目的としている。 本稿では,多様なドメイン間ABSAタスクに対処するための統合双方向生成フレームワークを提案する。 我々のフレームワークは、テキストからラベルまでの方向とラベルからテキストへの方向の両方で生成モデルを訓練する。
  論文  参考訳（メタデータ） (2023-05-16T15:02:23Z)
• Aspect-Based Sentiment Analysis using Local Context Focus Mechanism with DeBERTa [23.00810941211685]
  Aspect-Based Sentiment Analysis (ABSA)は、感情分析の分野におけるきめ細かいタスクである。 アスペクトベース感性分析問題を解決するための最近のDeBERTaモデル
  論文  参考訳（メタデータ） (2022-07-06T03:50:31Z)
• A Contrastive Cross-Channel Data Augmentation Framework for Aspect-based Sentiment Analysis [91.83895509731144]
  本稿では,感情分析の多面的課題を軽減するための新しいトレーニングフレームワークを提案する。 ソース文は、ドメイン固有のジェネレータに入力され、いくつかの合成文を取得する。 生成装置はアスペクト特化文と極性増強(PAC)を生成し、極性反転文を生成する。 我々のフレームワークは、精度とマクロF1よりも約1%向上することなく、これらのベースラインを上回ります。
  論文  参考訳（メタデータ） (2022-04-16T16:05:58Z)
• A Simple Information-Based Approach to Unsupervised Domain-Adaptive Aspect-Based Sentiment Analysis [58.124424775536326]
  本稿では,相互情報に基づくシンプルだが効果的な手法を提案し,それらの用語を抽出する。 実験の結果,提案手法はクロスドメインABSAの最先端手法よりも4.32%高い性能を示した。
  論文  参考訳（メタデータ） (2022-01-29T10:18:07Z)
• Double Perturbation: On the Robustness of Robustness and Counterfactual Bias Evaluation [109.06060143938052]
  テストデータセットを超えたモデル弱点を明らかにするための"ダブル摂動"フレームワークを提案する。 この枠組みを,モデルの頑健さと英語における反事実バイアスの分析に使用される2つの摂動に基づくアプローチに応用する。
  論文  参考訳（メタデータ） (2021-04-12T06:57:36Z)
• Multi-Aspect Sentiment Analysis with Latent Sentiment-Aspect Attribution [7.289918297809611]
  感傷的帰属モジュール(SAAM)と呼ばれる新しいフレームワークを導入する。 このフレームワークは文レベルの埋め込み特徴と文書レベルのアスペクトレーティングスコアのバリエーションの相関を利用して動作する。 ホテルレビューデータセットとビールレビューデータセットの実験では、SAAMは感情分析性能を向上させることが示されている。
  論文  参考訳（メタデータ） (2020-12-15T16:34:36Z)
• Transformer-based Multi-Aspect Modeling for Multi-Aspect Multi-Sentiment Analysis [56.893393134328996]
  本稿では,複数の側面間の潜在的な関係を抽出し,文中のすべての側面の感情を同時に検出できるトランスフォーマーベースのマルチアスペクトモデリング手法を提案する。 本手法はBERTやRoBERTaといった強力なベースラインと比較して顕著な改善を実現している。
  論文  参考訳（メタデータ） (2020-11-01T11:06:31Z)
• 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 Position Aware Decay Weighted Network for Aspect based Sentiment Analysis [3.1473798197405944]
  ABSAでは、テキストはそれぞれの側面に応じて複数の感情を持つことができる。 ATSAの既存のアプローチのほとんどは、異なるサブネットワークを通してアスペクト情報を取り入れている。 本稿では,その側面の位置情報を活用するモデルを提案する。
  論文  参考訳（メタデータ） (2020-05-03T09:22:03Z)
• A Hybrid Approach for Aspect-Based Sentiment Analysis Using Deep Contextual Word Embeddings and Hierarchical Attention [4.742874328556818]
  我々は、アスペクトベース感性分析(HAABSA)のための最先端のハイブリッドアプローチを2方向に拡張する。 まず、テキスト中の単語の意味をよりよく扱うために、文脈的でない単語埋め込みを文脈的でない単語埋め込みに置き換える。 次に、HAABSA高レベル表現に付加的な注意層を追加することにより、入力データのモデリングにおけるメソッドの柔軟性を向上させる。
  論文  参考訳（メタデータ） (2020-04-18T17:54:55Z)

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。