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
- Rationalizing Predictions by Adversarial Information Calibration [65.19407304154177]
我々は2つのモデルを共同で訓練する: 1つは、正確だがブラックボックスな方法でタスクを解く典型的なニューラルモデルであり、もう1つは、予測の理論的根拠を付加するセレクタ・予測モデルである。
我々は,2つのモデルから抽出した情報を,それらの違いが欠落した特徴や過度に選択された特徴の指標であるように校正するために,敵対的手法を用いる。
論文 参考訳(メタデータ) (2023-01-15T03:13:09Z) - 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 Generative Language Model for Few-shot Aspect-Based Sentiment Analysis [90.24921443175514]
我々は、アスペクト項、カテゴリを抽出し、対応する極性を予測するアスペクトベースの感情分析に焦点を当てる。
本稿では,一方向の注意を伴う生成言語モデルを用いて,抽出タスクと予測タスクをシーケンス生成タスクに再構成することを提案する。
提案手法は,従来の最先端(BERTをベースとした)の性能を,数ショットとフルショットの設定において,大きなマージンで上回ります。
論文 参考訳(メタデータ) (2022-04-11T18:31:53Z) - 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) - AES Systems Are Both Overstable And Oversensitive: Explaining Why And
Proposing Defenses [66.49753193098356]
スコアリングモデルの驚くべき逆方向の脆さの原因について検討する。
のモデルとして訓練されているにもかかわらず、単語の袋のように振る舞うことを示唆している。
高い精度で試料を発生させる過敏性と過敏性を検出できる検出ベース保護モデルを提案する。
論文 参考訳(メタデータ) (2021-09-24T03:49:38Z) - 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。