論文の概要: KESA: A Knowledge Enhanced Approach For Sentiment Analysis
- arxiv url: http://arxiv.org/abs/2202.12093v1
- Date: Thu, 24 Feb 2022 13:21:27 GMT
- ステータス: 処理完了
- システム内更新日: 2022-02-25 16:24:59.734197
- Title: KESA: A Knowledge Enhanced Approach For Sentiment Analysis
- Title(参考訳): KESA: 感覚分析のための知識強化アプローチ
- Authors: Qinghua Zhao, Shuai Ma, Shuo Ren
- Abstract要約: 文レベルの感情分析について検討し、感情語クローゼと条件付き感情予測という2つの感情認識補助課題を提案する。
実験結果から,本手法はトレーニング済みモデルよりも一貫して優れていることが示された。
- 参考スコア(独自算出の注目度): 13.937274761540925
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Though some recent works focus on injecting sentiment knowledge into
pre-trained language models, they usually design mask and reconstruction tasks
in the post-training phase. In this paper, we aim to benefit from sentiment
knowledge in a lighter way. To achieve this goal, we study sentence-level
sentiment analysis and, correspondingly, propose two sentiment-aware auxiliary
tasks named sentiment word cloze and conditional sentiment prediction. The
first task learns to select the correct sentiment words within the input, given
the overall sentiment polarity as prior knowledge. On the contrary, the second
task predicts the overall sentiment polarity given the sentiment polarity of
the word as prior knowledge. In addition, two kinds of label combination
methods are investigated to unify multiple types of labels in each task. We
argue that more information can promote the models to learn more profound
semantic representation. We implement it in a straightforward way to verify
this hypothesis. The experimental results demonstrate that our approach
consistently outperforms pre-trained models and is additive to existing
knowledge-enhanced post-trained models. The code and data are released at
https://github.com/lshowway/KESA.
- Abstract(参考訳): 最近の研究では、事前訓練された言語モデルに感情知識を注入することに焦点を当てているが、彼らは通常、トレーニング後の段階でマスクや再構築タスクを設計する。
本稿では,より軽い方法で感情知識の恩恵を受けることを目的とする。
この目的を達成するため,文レベルの感情分析を行い,感情単語クローゼと条件付き感情予測という2つの感情認識補助タスクを提案する。
最初のタスクは、前の知識として全体の感情極性を考えると、入力内で正しい感情語を選択することを学ぶ。
逆に、第2のタスクは、単語の感情極性が事前の知識として考慮された全体的な感情極性を予測する。
さらに,各タスクにおける複数のラベルを統一する2種類のラベル組み合わせ手法について検討した。
より深いセマンティック表現を学ぶために、より多くの情報がモデルを促進することができると我々は主張する。
この仮説を検証するための簡単な方法で実装する。
実験の結果,本手法は事前学習モデルより一貫して優れており,既存の知識強化後モデルに付加的であることが示された。
コードとデータはhttps://github.com/lshowway/kesaで公開される。
関連論文リスト
- What is Sentiment Meant to Mean to Language Models? [0.0]
センチメント(sentiment)は、使用するドメインやツールによって、さまざまな概念を包含する。
感覚」は、感情、意見、市場の動き、あるいは単に一般の善悪の次元を意味するために使われてきた。
論文 参考訳(メタデータ) (2024-05-03T19:37:37Z) - Towards Unsupervised Recognition of Token-level Semantic Differences in
Related Documents [61.63208012250885]
意味的差異をトークンレベルの回帰タスクとして認識する。
マスク付き言語モデルに依存する3つの教師なしアプローチについて検討する。
その結果,単語アライメントと文レベルのコントラスト学習に基づくアプローチは,ゴールドラベルと強い相関関係があることが示唆された。
論文 参考訳(メタデータ) (2023-05-22T17:58:04Z) - Unifying the Discrete and Continuous Emotion labels for Speech Emotion
Recognition [28.881092401807894]
音声からの感情検出のためのパラ言語分析では、感情は離散的または次元的(連続的な評価)ラベルと同一視されている。
本研究では,連続的感情特性と離散的感情特性を共同で予測するモデルを提案する。
論文 参考訳(メタデータ) (2022-10-29T16:12:31Z) - Sentiment-Aware Word and Sentence Level Pre-training for Sentiment
Analysis [64.70116276295609]
SentiWSPは、WordレベルとSentenceレベルの事前トレーニングタスクを組み合わせた、Sentiment対応の事前トレーニング言語モデルである。
SentiWSPは、様々な文レベルおよびアスペクトレベルの感情分類ベンチマーク上で、最先端のパフォーマンスを新たに達成する。
論文 参考訳(メタデータ) (2022-10-18T12:25:29Z) - Prior Knowledge Guided Unsupervised Domain Adaptation [82.9977759320565]
本稿では,対象とするクラス分布に関する事前知識を利用できる知識誘導型非教師付きドメイン適応(KUDA)設定を提案する。
特に,対象領域におけるクラス分布に関する2種類の事前知識について考察する。
このような事前知識を用いて生成した擬似ラベルを精査する修正モジュールを提案する。
論文 参考訳(メタデータ) (2022-07-18T18:41:36Z) - A Latent-Variable Model for Intrinsic Probing [93.62808331764072]
固有プローブ構築のための新しい潜在変数定式化を提案する。
我々は、事前訓練された表現が言語間交互に絡み合ったモルフォシンタクスの概念を発達させる経験的証拠を見出した。
論文 参考訳(メタデータ) (2022-01-20T15:01:12Z) - Enhanced Aspect-Based Sentiment Analysis Models with Progressive
Self-supervised Attention Learning [103.0064298630794]
アスペクトベース感情分析(absa)では、多くのニューラルモデルに感情予測に対する各文脈単語の寄与を定量化するための注意機構が備わっている。
注目ABSAモデルに対する自己監督型注意学習の進歩的アプローチを提案する。
提案手法を3つの最先端の神経ABSAモデルに統合する。
論文 参考訳(メタデータ) (2021-03-05T02:50:05Z) - A Variational Approach to Unsupervised Sentiment Analysis [8.87759101018566]
本研究では,教師なし感情分析のための変分アプローチを提案する。
我々は、監視信号としてターゲット-オピニオンワードペアを使用する。
顧客レビューと臨床物語に対する感情分析に本手法を適用した。
論文 参考訳(メタデータ) (2020-08-21T09:52:35Z) - SKEP: Sentiment Knowledge Enhanced Pre-training for Sentiment Analysis [69.80296394461149]
本稿では,複数の感情分析タスクに対する統一的な感情表現を学習するために,感覚知識強化事前学習(SKEP)を導入する。
自動的な知識の助けを借りて、SKEPは感情マスキングを行い、3つの感情知識予測目標を構築する。
3種類の感情タスクの実験では、SKEPはトレーニング前ベースラインよりも有意に優れていた。
論文 参考訳(メタデータ) (2020-05-12T09:23:32Z)
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。