論文の概要: From Stance to Concern: Adaptation of Propositional Analysis to New Tasks and Domains

• arxiv url: http://arxiv.org/abs/2203.10659v1
• Date: Sun, 20 Mar 2022 21:50:35 GMT
• ステータス: 処理完了
• システム内更新日: 2022-03-23 06:28:24.433380
• Title: From Stance to Concern: Adaptation of Propositional Analysis to New Tasks and Domains
• Title（参考訳）: スタンスから懸念へ:命題分析の新たな課題・領域への適応
• Authors: Brodie Mather, Bonnie J Dorr, Adam Dalton, William de Beaumont, Owen Rambow, Sonja M. Schmer-Galunder
• Abstract要約: 本稿では,新しい課題や領域への命題分析(述語対)の適応のためのパラダイムを提案する。 我々は、姿勢(信念駆動の感情)と関心(道徳的次元や意見を伴うトピックの問題)の類似を利用して説明表現を生成する。
• 参考スコア（独自算出の注目度）: 3.493848466320577
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: We present a generalized paradigm for adaptation of propositional analysis (predicate-argument pairs) to new tasks and domains. We leverage an analogy between stances (belief-driven sentiment) and concerns (topical issues with moral dimensions/endorsements) to produce an explanatory representation. A key contribution is the combination of semi-automatic resource building for extraction of domain-dependent concern types (with 2-4 hours of human labor per domain) and an entirely automatic procedure for extraction of domain-independent moral dimensions and endorsement values. Prudent (automatic) selection of terms from propositional structures for lexical expansion (via semantic similarity) produces new moral dimension lexicons at three levels of granularity beyond a strong baseline lexicon. We develop a ground truth (GT) based on expert annotators and compare our concern detection output to GT, to yield 231% improvement in recall over baseline, with only a 10% loss in precision. F1 yields 66% improvement over baseline and 97.8% of human performance. Our lexically based approach yields large savings over approaches that employ costly human labor and model building. We provide to the community a newly expanded moral dimension/value lexicon, annotation guidelines, and GT.
• Abstract（参考訳）: 本稿では、命題分析(述語対)を新しいタスクや領域に適応するための一般化パラダイムを提案する。 我々は、姿勢(信念駆動の感情)と関心(道徳的次元や意見を伴うトピックの問題)の類似を利用して説明表現を生成する。 重要な貢献は、ドメインに依存しない関心タイプ(ドメイン当たり2～4時間労働)を抽出するための半自動リソースビルディングと、ドメインに依存しない道徳的次元の抽出と支持値の完全な自動手順を組み合わせることである。 意味的類似性(semantic similarity)による、命題構造からの語の選択は、強い基準レキシコンを超えた3段階の粒度で新しい道徳次元レキシコンを生成する。 我々は,専門家アノテータに基づく基礎的真理(GT)を開発し,懸念検出出力をGTと比較し,基準値よりも231%向上し,精度は10%低下した。 F1はベースラインよりも66%、人間のパフォーマンスは97.8%向上した。 我々の語彙に基づくアプローチは、コストのかかる人的労働とモデル構築を採用するアプローチよりも大きな節約をもたらす。 新たに拡張したモラルディメンション/バリューレキシコン,アノテーションガイドライン,gtをコミュニティに提供する。

関連論文リスト

• Evaluating Span Extraction in Generative Paradigm: A Reflection on Aspect-Based Sentiment Analysis [7.373480417322289]
  本稿では,生成パラダイムがもたらす課題について述べる。 生成的アウトプットと他の評価指標の整合性に関わる複雑さを強調します。 我々の貢献は、この生成パラダイムにおけるABSA評価に適した包括的ガイドラインの整備にある。
  論文  参考訳（メタデータ） (2024-04-17T16:33:22Z)
• SOUL: Towards Sentiment and Opinion Understanding of Language [96.74878032417054]
  我々は、言語感覚とオピニオン理解(SOUL)と呼ばれる新しいタスクを提案する。 SOULは2つのサブタスクを通して感情理解を評価することを目的としている:レビュー(RC)と正当化生成(JG)。
  論文  参考訳（メタデータ） (2023-10-27T06:48:48Z)
• Domain-Expanded ASTE: Rethinking Generalization in Aspect Sentiment Triplet Extraction [67.54420015049732]
  Aspect Sentiment Triplet extract (ASTE) は感情分析における課題であり、人間の感情に対するきめ細かい洞察を提供することを目的としている。 既存のベンチマークは2つのドメインに限定されており、目に見えないドメイン上でのモデルパフォーマンスを評価しない。 各種ドメインのサンプルに注釈を付けることでドメイン拡張ベンチマークを導入し,ドメイン内設定とドメイン外設定の両方でモデルの評価を可能にする。
  論文  参考訳（メタデータ） (2023-05-23T18:01:49Z)
• Grounded Keys-to-Text Generation: Towards Factual Open-Ended Generation [92.1582872870226]
  そこで我々は,新しい接地型キー・ツー・テキスト生成タスクを提案する。 タスクは、ガイドキーと接地パスのセットが与えられたエンティティに関する事実記述を生成することである。 近年のQAに基づく評価手法に着想を得て,生成した記述の事実的正当性を示す自動計量MAFEを提案する。
  論文  参考訳（メタデータ） (2022-12-04T23:59:41Z)
• Combining human parsing with analytical feature extraction and ranking schemes for high-generalization person reidentification [0.0]
  近年,科学と社会の両面での重要性から,人物再識別(re-ID)が注目されている。 機械学習、特にDeep Learning (DL)は、研究者がベンチマークデータセットで前例のない精度のレベルを達成できるようにする主要なRe-idツールとなっている。 本稿では,高一般化の可能性を示す訓練可能なパラメータを含まないモデルを提案する。
  論文  参考訳（メタデータ） (2022-07-28T17:22:48Z)
• Regularizing Variational Autoencoder with Diversity and Uncertainty Awareness [61.827054365139645]
  変分オートエンコーダ(VAE)は、償却変分推論に基づいて潜伏変数の後部を近似する。 よりディバースで不確実な潜在空間を学習するための代替モデルDU-VAEを提案する。
  論文  参考訳（メタデータ） (2021-10-24T07:58:13Z)
• Towards a Theoretical Understanding of the Robustness of Variational Autoencoders [82.68133908421792]
  敵攻撃や他の入力摂動に対する変分オートエンコーダ(VAE)の堅牢性を理解するために,我々は進出している。 確率モデルにおけるロバスト性のための新しい基準である$r$-robustnessを開発する。 遠心法を用いて訓練したVAEが、ロバストネスの指標でよく評価されていることを示す。
  論文  参考訳（メタデータ） (2020-07-14T21:22:29Z)
• Querying and Repairing Inconsistent Prioritized Knowledge Bases: Complexity Analysis and Links with Abstract Argumentation [5.87010466783654]
  優先知識ベース(KB)に対する不整合の問題について検討する。 本稿では, 接地拡張に着想を得た優先順位付きKBのセマンティクスを提案し, 良好な特性を享受する。 本研究は、嗜好に基づく議論フレームワークに関する独立した関心の結果ももたらした。
  論文  参考訳（メタデータ） (2020-03-12T12:38:37Z)
• Distributional Robustness and Regularization in Reinforcement Learning [62.23012916708608]
  経験値関数の新しい正規化器を導入し、ワッサーシュタイン分布のロバストな値関数を下限とすることを示す。 強化学習における$textitexternalな不確実性に対処するための実用的なツールとして正規化を使用することを提案する。
  論文  参考訳（メタデータ） (2020-03-05T19:56:23Z)

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。