論文の概要: Aspect Based Sentiment Analysis Using Spectral Temporal Graph Neural Network

• arxiv url: http://arxiv.org/abs/2202.06776v1
• Date: Mon, 14 Feb 2022 14:55:00 GMT
• ステータス: 処理完了
• システム内更新日: 2022-02-15 14:44:07.652210
• Title: Aspect Based Sentiment Analysis Using Spectral Temporal Graph Neural Network
• Title（参考訳）: スペクトル時間グラフニューラルネットワークを用いたアスペクトベース感情分析
• Authors: Abir Chakraborty
• Abstract要約: レビュー文の複雑さ、二重否定の存在、単語の特定の使用により、感情を正確に予測することが困難になる。 スペクトル領域で生成された特徴を持つグラフフーリエ変換に基づくネットワークを提案する。 提案モデルでは、Eコマースドメインから最近提案された他の2つのデータセットに対して、競合する結果も見出した。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: The objective of Aspect Based Sentiment Analysis is to capture the sentiment of reviewers associated with different aspects. However, complexity of the review sentences, presence of double negation and specific usage of words found in different domains make it difficult to predict the sentiment accurately and overall a challenging natural language understanding task. While recurrent neural network, attention mechanism and more recently, graph attention based models are prevalent, in this paper we propose graph Fourier transform based network with features created in the spectral domain. While this approach has found considerable success in the forecasting domain, it has not been explored earlier for any natural language processing task. The method relies on creating and learning an underlying graph from the raw data and thereby using the adjacency matrix to shift to the graph Fourier domain. Subsequently, Fourier transform is used to switch to the frequency (spectral) domain where new features are created. These series of transformation proved to be extremely efficient in learning the right representation as we have found that our model achieves the best result on both the SemEval-2014 datasets, i.e., "Laptop" and "Restaurants" domain. Our proposed model also found competitive results on the two other recently proposed datasets from the e-commerce domain.
• Abstract（参考訳）: Aspect Based Sentiment Analysisの目的は、異なる側面に関連するレビュアーの感情を捉えることである。 しかし、レビュー文の複雑さ、二重否定の存在、異なるドメインで見られる単語の特定の使用は、感情を正確に予測することは困難であり、全体的には難しい自然言語理解タスクである。 繰り返しニューラルネットワークやアテンション機構,さらに最近では,グラフアテンションに基づくモデルが普及しているが,本論文ではスペクトル領域に特徴を持つグラフフーリエ変換に基づくネットワークを提案する。 このアプローチは予測領域でかなりの成功を収めているが、自然言語処理タスクについては、早くから検討されていない。 この方法は、基礎となるグラフを生データから作成・学習し、隣接行列を用いてグラフフーリエ領域にシフトする。 その後、フーリエ変換を使用して、新しいフィーチャが生成される周波数(スペクトル)領域に切り替える。 これらの一連の変換は、私たちのモデルがsemeval-2014データセット、すなわち"laptop"と"restaurants"の両方のドメインで最高の結果を達成することを発見したとき、正しい表現を学ぶのに非常に効率的であることが分かりました。 提案モデルでは、Eコマースドメインから最近提案された2つのデータセットに対して、競合する結果も得られた。

関連論文リスト

• TANGNN: a Concise, Scalable and Effective Graph Neural Networks with Top-m Attention Mechanism for Graph Representation Learning [7.879217146851148]
  本稿では,Top-mアテンション機構アグリゲーションコンポーネントと近傍アグリゲーションコンポーネントを統合した,革新的なグラフニューラルネットワーク(GNN)アーキテクチャを提案する。 提案手法の有効性を評価するため,提案手法をGNN分野において未探索の新たな課題である引用感情予測に適用した。
  論文  参考訳（メタデータ） (2024-11-23T05:31:25Z)
• Rank and Align: Towards Effective Source-free Graph Domain Adaptation [16.941755478093153]
  グラフニューラルネットワーク(GNN)は、グラフ領域適応において素晴らしいパフォーマンスを達成した。 しかし、プライバシやストレージ上の懸念から、大規模なソースグラフは現実のシナリオでは利用できない可能性がある。 そこで我々は,Range and Align (RNA)と呼ばれる新しいGNNベースのアプローチを導入し,ロバストセマンティクス学習のためのスペクトルセレーションとグラフ類似性をランク付けする。
  論文  参考訳（メタデータ） (2024-08-22T08:00:50Z)
• A Pure Transformer Pretraining Framework on Text-attributed Graphs [50.833130854272774]
  グラフ構造を先行として扱うことで,特徴中心の事前学習の視点を導入する。 我々のフレームワークであるGraph Sequence Pretraining with Transformer (GSPT)はランダムウォークを通してノードコンテキストをサンプリングする。 GSPTはノード分類とリンク予測の両方に容易に適応でき、様々なデータセットで有望な経験的成功を示す。
  論文  参考訳（メタデータ） (2024-06-19T22:30:08Z)
• Scalable Property Valuation Models via Graph-based Deep Learning [5.172964916120902]
  類似した特徴を持つ近隣住宅の配列を効果的に同定する2つの新しいグラフニューラルネットワークモデルを開発した。 本研究では, グラフニューラルネットワークを用いて住宅価格予測を行うことにより, 住宅価格予測の精度を著しく向上することを示す。
  論文  参考訳（メタデータ） (2024-05-10T15:54:55Z)
• GNN-LoFI: a Novel Graph Neural Network through Localized Feature-based Histogram Intersection [51.608147732998994]
  グラフニューラルネットワークは、グラフベースの機械学習の選択フレームワークになりつつある。 本稿では,古典的メッセージパッシングに代えて,ノード特徴の局所分布を解析するグラフニューラルネットワークアーキテクチャを提案する。
  論文  参考訳（メタデータ） (2024-01-17T13:04:23Z)
• FourierGNN: Rethinking Multivariate Time Series Forecasting from a Pure Graph Perspective [48.00240550685946]
  現在の最先端グラフニューラルネットワーク(GNN)ベースの予測手法は、通常、シリーズ間(空間)のダイナミックスとシリーズ内(時間)の依存関係をキャプチャするために、グラフネットワーク(GCNなど)と時間ネットワーク(LSTMなど)の両方を必要とする。 提案するフーリエグラフ演算子(FGO)を積み重ねて,フーリエ空間で行列乗算を行うことにより,新しいフーリエグラフニューラルネットワーク(FourierGNN)を提案する。 7つのデータセットに対する実験は、より効率が良く、パラメータも少ないという優れた性能を示した。
  論文  参考訳（メタデータ） (2023-11-10T17:13:26Z)
• HoloNets: Spectral Convolutions do extend to Directed Graphs [59.851175771106625]
  従来の知恵は、スペクトル畳み込みネットワークは無向グラフ上にしか展開できないと規定している。 ここでは、このグラフフーリエ変換への伝統的な依存が超フルであることを示す。 本稿では,新たに開発されたフィルタの周波数応答解釈を行い,フィルタ表現に使用するベースの影響を調査し,ネットワークを基盤とする特性演算子との相互作用について議論する。
  論文  参考訳（メタデータ） (2023-10-03T17:42:09Z)
• Explicit Use of Fourier Spectrum in Generative Adversarial Networks [0.0]
  真正画像のスペクトルと偽画像の間には相違点があることが示される。 本研究では,実画像と偽画像のスペクトルの相違を低減させる新しいモデルを提案する。 生成した画像の品質向上に有望な改善を実験的に示す。
  論文  参考訳（メタデータ） (2022-08-02T06:26:44Z)
• A Fourier-based Framework for Domain Generalization [82.54650565298418]
  ドメインの一般化は、複数のソースドメインから伝達可能な知識を学習して、未確認のターゲットドメインに一般化することでこの問題に対処することを目的としている。 本稿では、ドメイン一般化のための新しいフーリエに基づく視点を紹介する。 3つのベンチマーク実験により,提案手法は領域一般化のための最先端性能を実現することができることを示した。
  論文  参考訳（メタデータ） (2021-05-24T06:50:30Z)
• Towards Deeper Graph Neural Networks [63.46470695525957]
  グラフ畳み込みは近傍の集約を行い、最も重要なグラフ操作の1つである。 いくつかの最近の研究で、この性能劣化は過度に滑らかな問題に起因している。 本研究では,大きな受容領域からの情報を適応的に組み込むディープ適応グラフニューラルネットワーク(DAGNN)を提案する。
  論文  参考訳（メタデータ） (2020-07-18T01:11:14Z)

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。