論文の概要: A Contrastive Cross-Channel Data Augmentation Framework for Aspect-based Sentiment Analysis

• arxiv url: http://arxiv.org/abs/2204.07832v1
• Date: Sat, 16 Apr 2022 16:05:58 GMT
• ステータス: 処理完了
• システム内更新日: 2022-04-20 07:27:43.325494
• Title: A Contrastive Cross-Channel Data Augmentation Framework for Aspect-based Sentiment Analysis
• Title（参考訳）: アスペクトベース感性分析のためのコントラスト型クロスチャネルデータ拡張フレームワーク
• Authors: Bing Wang, Liang Ding, Qihuang Zhong, Ximing Li, Dacheng Tao
• Abstract要約: 本稿では,感情分析の多面的課題を軽減するための新しいトレーニングフレームワークを提案する。 ソース文は、ドメイン固有のジェネレータに入力され、いくつかの合成文を取得する。 生成装置はアスペクト特化文と極性増強(PAC)を生成し、極性反転文を生成する。 我々のフレームワークは、精度とマクロF1よりも約1%向上することなく、これらのベースラインを上回ります。
• 参考スコア（独自算出の注目度）: 91.83895509731144
• License: http://creativecommons.org/publicdomain/zero/1.0/
• Abstract: Aspect-Based Sentiment Analysis is a fine-grained sentiment analysis task, which focuses on detecting the sentiment polarity towards the aspect in a sentence. However, it is always sensitive to the multi-aspect challenge, where features of multiple aspects in a sentence will affect each other. To mitigate this issue, we design a novel training framework, called Contrastive Cross-Channel Data Augmentation (C3DA). A source sentence will be fed a domain-specific generator to obtain some synthetic sentences and is concatenated with these generated sentences to conduct supervised training and proposed contrastive training. To be specific, considering the limited ABSA labeled data, we also introduce some parameter-efficient approaches to complete sentences generation. This novel generation method consists of an Aspect Augmentation Channel (AAC) to generate aspect-specific sentences and a Polarity Augmentation (PAC) to generate polarity-inverted sentences. According to our extensive experiments, our C3DA framework can outperform those baselines without any augmentations by about 1\% on accuracy and Macro-F1.
• Abstract（参考訳）: アスペクトベース感情分析(Aspect-Based Sentiment Analysis)は、文の側面に対する感情極性を検出することに焦点を当てた、きめ細かい感情分析タスクである。 しかし、文中の複数の側面の特徴が互いに影響を及ぼすマルチアスペクトチャレンジには、常に敏感である。 この問題を軽減するために、Contrastive Cross-Channel Data Augmentation (C3DA)と呼ばれる新しいトレーニングフレームワークを設計する。 ソース文は、いくつかの合成文を得るためにドメイン固有生成子を供給し、これらの生成文と結合して教師付きトレーニングとコントラストトレーニングを行う。 具体的には、限られたABSAラベル付きデータを考えると、完全文生成のためのパラメータ効率の高いアプローチも導入する。 アスペクト特異的文を生成するアスペクト拡張チャネル(aac)と、極性反転文を生成する極性増強(pac)とからなる新規生成方法。 我々の大規模な実験によると、我々のC3DAフレームワークは、精度とマクロF1の約1\%の精度で、これらのベースラインを上回ります。

関連論文リスト

• Iterative Data Augmentation with Large Language Models for Aspect-based Sentiment Analysis [82.98490089763175]
  Aspect-based Sentiment Analysis (ABSA) は重要な感情分析課題であり、ある文の側面に対する感情の極性を決定することを目的としている。 ラベル付きデータが高価で制限されているため、データ拡張(DA)がABSAの性能向上の標準となっている。 本稿では,ABSAの性能向上を図るため,IterDという体系的反復データ拡張フレームワークを提案する。
  論文  参考訳（メタデータ） (2024-06-29T07:00:37Z)
• Amplifying Aspect-Sentence Awareness: A Novel Approach for Aspect-Based Sentiment Analysis [2.9045498954705886]
  Aspect-Based Sentiment Analysis (ABSA)は自然言語処理(NLP)においてますます重要になっている ABSAは、テキストで言及されている特定の側面に関する感情を抽出することによって、従来の感情分析を越えている。 A3SN(Amplifying Aspect-Sentence Awareness)は,アスペクト・センス・アウェアネスを増幅することでABSAを強化する技術である。
  論文  参考訳（メタデータ） (2024-05-14T10:29:59Z)
• Enhancing the Performance of Aspect-Based Sentiment Analysis Systems [4.2452588124825805]
  本研究では,セティシィス(SentiSys)と呼ばれる革新的なエッジ強化GCNを導入し,無傷な特徴情報を保存しながら構文グラフをナビゲートする。 その結果,SentiSysを用いたアスペクトベース感情分析では,常に改善が見られた。
  論文  参考訳（メタデータ） (2024-04-04T07:31:56Z)
• Let's Rectify Step by Step: Improving Aspect-based Sentiment Analysis with Diffusion Models [36.482634643246264]
  本稿では,段階的に段階的にアスペクトを抽出するABSAに適した新しい拡散モデルを提案する。 DiffusionABSAは、トレーニングプロセスにおけるアスペクト用語に徐々にノイズを加え、その後、これらの用語を徐々に逆の方法で復元する認知プロセスを学ぶ。 境界を推定するために,構文認識型時間的注意機構によって強化された認知ニューラルネットワークを設計する。
  論文  参考訳（メタデータ） (2024-02-23T12:35:43Z)
• Aspect-oriented Opinion Alignment Network for Aspect-Based Sentiment Classification [14.212306015270208]
  本稿では、意見語とそれに対応する側面の文脈的関連を捉えるために、アスペクト指向オピニオンアライメントネットワーク(AOAN)を提案する。 さらに,対象の側面に関連性のある意見情報を一致させる多視点的注意機構を設計する。 提案モデルでは,3つのベンチマークデータセットに対して最先端の結果が得られた。
  論文  参考訳（メタデータ） (2023-08-22T13:55:36Z)
• A Novel Counterfactual Data Augmentation Method for Aspect-Based Sentiment Analysis [7.921043998643318]
  本稿では,逆の感情極性を持つ意見表現を生成するための,新しい簡易な反実データ拡張手法を提案する。 実験の結果,提案手法は3つのABSAデータセット上での現在の拡張手法よりも優れた性能を示した。
  論文  参考訳（メタデータ） (2023-06-20T03:25:51Z)
• AdAUC: End-to-end Adversarial AUC Optimization Against Long-tail Problems [102.95119281306893]
  我々は、AUCを最適化するための敵の訓練方法を探求するための早期トライアルを提示する。 我々は、AUC最適化問題をサドル点問題として再構成し、目的がインスタンスワイズ関数となる。 我々の分析は, min-max問題の勾配を計算して, 逆例を生成するアルゴリズムが求められているため, 既存の研究と異なる。
  論文  参考訳（メタデータ） (2022-06-24T09:13:39Z)
• 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)
• Aspect Sentiment Quad Prediction as Paraphrase Generation [53.33072918744124]
  Aspect Sentiment Quad Prediction (ASQP)タスクを導入し、与えられた意見文に対するクワッド内のすべての感情要素を共同で検出することを目的とした。 本稿では,ASQP タスクをパラフレーズ生成プロセスにキャストする新しいtextscParaphrase モデリングパラダイムを提案する。 一方、感情要素のセマンティクスは、自然言語形式でそれらを生成する学習によって完全に活用することができる。
  論文  参考訳（メタデータ） (2021-10-02T12:57:27Z)
• 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)

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。