論文の概要: BERT-ASC: Auxiliary-Sentence Construction for Implicit Aspect Learning
in Sentiment Analysis
- arxiv url: http://arxiv.org/abs/2203.11702v1
- Date: Tue, 22 Mar 2022 13:12:27 GMT
- ステータス: 処理完了
- システム内更新日: 2022-03-23 19:10:10.116489
- Title: BERT-ASC: Auxiliary-Sentence Construction for Implicit Aspect Learning
in Sentiment Analysis
- Title（参考訳）: BERT-ASC:感覚分析における暗黙の学習のための補助文構築
- Authors: Ahmed Murtadha, Shengfeng Pan, Bo Wen, Jianlin Su, Wenze Zhang,
Yunfeng Liu
- Abstract要約: 統合されたフレームワークにおけるアスペクト分類とアスペクトベースの感情サブタスクに対処することを提案する。
まず,意味的・統語的情報を協調して,暗黙的側面の補助文を構築するメカニズムを提案する。
次に、BERTは、自動構築された補助文に応答してアスペクト特化表現を学習することを推奨する。
- 参考スコア（独自算出の注目度）: 4.008465268899542
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Aspect-based sentiment analysis (ABSA) task aims to associate a piece of text
with a set of aspects and meanwhile infer their respective sentimental
polarities. Up to now, the state-of-the-art approaches are built upon
fine-tuning of various pre-trained language models. They commonly aim to learn
the aspect-specific representation in the corpus. Unfortunately, the aspect is
often expressed implicitly through a set of representatives and thus renders
implicit mapping process unattainable unless sufficient labeled examples.
In this paper, we propose to jointly address aspect categorization and
aspect-based sentiment subtasks in a unified framework. Specifically, we first
introduce a simple but effective mechanism that collaborates the semantic and
syntactic information to construct auxiliary-sentences for the implicit aspect.
Then, we encourage BERT to learn the aspect-specific representation in response
to the automatically constructed auxiliary-sentence instead of the aspect
itself. Finally, we empirically evaluate the performance of the proposed
solution by a comparative study on real benchmark datasets for both ABSA and
Targeted-ABSA tasks. Our extensive experiments show that it consistently
achieves state-of-the-art performance in terms of aspect categorization and
aspect-based sentiment across all datasets and the improvement margins are
considerable.
- Abstract（参考訳）: アスペクトベース感情分析(absa:aspect-based sentiment analysis)タスクは、テキストの一部をアスペクトのセットに関連付けることを目的としている。
これまでのところ、最先端のアプローチは、さまざまな事前学習された言語モデルの微調整に基づいている。
彼らは一般的に、コーパスのアスペクト特化表現を学習することを目的としています。
残念なことに、このアスペクトは複数の代表を通して暗黙的に表現されることが多く、十分なラベル付き例がない限り、暗黙のマッピングプロセスは達成できない。
本稿では,アスペクト分類とアスペクトベースの感情サブタスクを統一フレームワークで協調的に扱うことを提案する。
具体的には,まず,意味的および構文的情報を協調して,暗黙的側面に対する補助的関係を構築する,単純かつ効果的なメカニズムを提案する。
そこで,BERTはアスペクト自体ではなく,自動構築された補助文に応答してアスペクト固有表現を学習することを推奨する。
最後に,ABSAタスクとTargeted-ABSAタスクの実際のベンチマークデータセットの比較により,提案手法の性能を実証的に評価した。
我々の広範な実験は、すべてのデータセットにおけるアスペクト分類とアスペクトベースの感情の観点から、常に最先端のパフォーマンスを達成し、改善マージンは相当に大きいことを示している。
関連論文リスト
- A Hybrid Approach To Aspect Based Sentiment Analysis Using Transfer Learning [3.30307212568497]
本稿では,移動学習を用いたアスペクトベース感性分析のためのハイブリッド手法を提案する。
このアプローチは、大きな言語モデル(LLM)と従来の構文的依存関係の両方の長所を利用して、弱い教師付きアノテーションを生成することに焦点を当てている。
論文 参考訳（メタデータ） (2024-03-25T23:02:33Z) - Incorporating Dynamic Semantics into Pre-Trained Language Model for
Aspect-based Sentiment Analysis [67.41078214475341]
ABSAの動的アスペクト指向セマンティクスを学ぶために,DR-BERT(Dynamic Re-weighting BERT)を提案する。
具体的には、まずStack-BERT層を主エンコーダとして、文の全体的な意味を理解する。
次に、軽量な動的再重み付けアダプタ(DRA)を導入して微調整する。
論文 参考訳（メタデータ） (2022-03-30T14:48:46Z) - Out of Context: A New Clue for Context Modeling of Aspect-based
Sentiment Analysis [54.735400754548635]
ABSAは、与えられた側面に関してレビューで表現された感情を予測することを目的としている。
与えられたアスペクトは、コンテキストモデリングプロセスにおけるコンテキストからの新たなヒントと見なされるべきである。
異なるバックボーンに基づいて複数のアスペクト認識コンテキストエンコーダを設計する。
論文 参考訳（メタデータ） (2021-06-21T02:26:03Z) - Understanding Pre-trained BERT for Aspect-based Sentiment Analysis [71.40586258509394]
本稿では、アスペクトベース感情分析(ABSA)におけるタスクに対するBERTのレビューから得られた事前学習された隠れ表現について分析する。
アスペクトや意見のアノテーションなしでラベル付けされていないコーパスでトレーニングされた(マスクされた)言語モデルの一般的なプロキシタスクが、ABSAの下流タスクにどのように重要な機能を提供するかは明らかではない。
論文 参考訳（メタデータ） (2020-10-31T02:21:43Z) - Context-Guided BERT for Targeted Aspect-Based Sentiment Analysis [14.394987796101349]
自己注意モデルにコンテキストを追加することで(T)ABSAの性能が向上するかどうかを検討する。
本稿では,異なるコンテキスト下で注意を分散することを学ぶための2種類のコンテキストガイドBERT(CG-BERT)を提案する。
我々の研究は、文脈に基づく自然言語タスクのための事前学習された自己注意に基づく言語モデルに文脈依存性を追加するという有用性を示す。
論文 参考訳（メタデータ） (2020-10-15T05:01:20Z) - 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) - Consensus-Aware Visual-Semantic Embedding for Image-Text Matching [69.34076386926984]
画像テキストマッチングは、視覚と言語をブリッジする上で中心的な役割を果たす。
既存のアプローチのほとんどは、表現を学ぶためにイメージテキストインスタンスペアのみに依存しています。
コンセンサスを意識したビジュアル・セマンティック・エンベディングモデルを提案し,コンセンサス情報を組み込む。
論文 参考訳（メタデータ） (2020-07-17T10:22:57Z) - 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) - A Dependency Syntactic Knowledge Augmented Interactive Architecture for
End-to-End Aspect-based Sentiment Analysis [73.74885246830611]
エンドツーエンドABSAのためのマルチタスク学習を用いた対話型アーキテクチャを新たに提案する。
このモデルは、よく設計された依存性関係埋め込みグラフ畳み込みネットワーク(DreGcn)を活用することで、構文知識(依存性関係と型)を完全に活用することができる。
3つのベンチマークデータセットの大規模な実験結果から,本手法の有効性が示された。
論文 参考訳（メタデータ） (2020-04-04T14:59:32Z)
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。