論文の概要: Learn from Structural Scope: Improving Aspect-Level Sentiment Analysis with Hybrid Graph Convolutional Networks

• arxiv url: http://arxiv.org/abs/2204.12784v1
• Date: Wed, 27 Apr 2022 09:10:22 GMT
• ステータス: 処理完了
• システム内更新日: 2022-04-28 12:14:40.574445
• Title: Learn from Structural Scope: Improving Aspect-Level Sentiment Analysis with Hybrid Graph Convolutional Networks
• Title（参考訳）: 構造スコープから学ぶ:ハイブリッドグラフ畳み込みネットワークによるアスペクトレベル感度解析の改善
• Authors: Lvxiaowei Xu, Xiaoxuan Pang, Jianwang Wu, Ming Cai, Jiawei Peng
• Abstract要約: アスペクトレベルの感情分析は、文中の特定の対象に対する感情の極性を決定することを目的としている。 本稿では,特定の対象に関する構造的テキスト領域を概説するスコープの概念を紹介する。 本稿では,HGCN(Hybrid Graph Convolutional Network)を提案する。
• 参考スコア（独自算出の注目度）: 6.116341682577877
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Aspect-level sentiment analysis aims to determine the sentiment polarity towards a specific target in a sentence. The main challenge of this task is to effectively model the relation between targets and sentiments so as to filter out noisy opinion words from irrelevant targets. Most recent efforts capture relations through target-sentiment pairs or opinion spans from a word-level or phrase-level perspective. Based on the observation that targets and sentiments essentially establish relations following the grammatical hierarchy of phrase-clause-sentence structure, it is hopeful to exploit comprehensive syntactic information for better guiding the learning process. Therefore, we introduce the concept of Scope, which outlines a structural text region related to a specific target. To jointly learn structural Scope and predict the sentiment polarity, we propose a hybrid graph convolutional network (HGCN) to synthesize information from constituency tree and dependency tree, exploring the potential of linking two syntax parsing methods to enrich the representation. Experimental results on four public datasets illustrate that our HGCN model outperforms current state-of-the-art baselines.
• Abstract（参考訳）: アスペクトレベルの感情分析は、文中の特定のターゲットに対する感情極性を決定することを目的としている。 この課題の主な課題は、ターゲットと感情の関係を効果的にモデル化し、無関係なターゲットからノイズの多い意見語を除外することである。 近年の取り組みは、単語レベルやフレーズレベルの観点から、目標感性対や意見を通して関係を捉えている。 目的と感情が語句・句・文構造の文法的階層に沿う関係を本質的に確立していることから,学習プロセスのより優れた指導に包括的構文情報を活用することが望まれる。 そこで本稿では,特定の対象に関連する構造的テキスト領域を概説するスコープの概念を紹介する。 構造スコープを共同で学習し,感情の極性を予測するために,構成木と依存木から情報を合成するハイブリッドグラフ畳み込みネットワーク(HGCN)を提案する。 4つの公開データセットの実験結果は、HGCNモデルが現在の最先端ベースラインより優れていることを示している。

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)
• Variational Cross-Graph Reasoning and Adaptive Structured Semantics Learning for Compositional Temporal Grounding [143.5927158318524]
  テンポラルグラウンドティング(Temporal grounding)とは、クエリ文に従って、未編集のビデオから特定のセグメントを特定するタスクである。 新たに構成時間グラウンドタスクを導入し,2つの新しいデータセット分割を構築した。 ビデオや言語に内在する構造的意味論は、構成的一般化を実現する上で重要な要素である、と我々は主張する。
  論文  参考訳（メタデータ） (2023-01-22T08:02:23Z)
• Compositional Generalization in Grounded Language Learning via Induced Model Sparsity [81.38804205212425]
  グリッド環境における単純な言語条件のナビゲーション問題について考察する。 本研究では,オブジェクトの指示文と属性のスパース相関を助長するエージェントを設計し,それらを組み合わせて目的を導出する。 我々のエージェントは、少数のデモンストレーションから学習した場合でも、新しいプロパティの組み合わせを含む目標に対して高いレベルのパフォーマンスを維持している。
  論文  参考訳（メタデータ） (2022-07-06T08:46:27Z)
• Graph Adaptive Semantic Transfer for Cross-domain Sentiment Classification [68.06496970320595]
  クロスドメイン感情分類(CDSC)は、ソースドメインから学んだ伝達可能なセマンティクスを使用して、ラベルなしのターゲットドメインにおけるレビューの感情を予測することを目的としている。 本稿では、単語列と構文グラフの両方からドメイン不変セマンティクスを学習できる適応型構文グラフ埋め込み法であるグラフ適応意味伝達(GAST)モデルを提案する。
  論文  参考訳（メタデータ） (2022-05-18T07:47:01Z)
• Adaptive Hierarchical Graph Reasoning with Semantic Coherence for Video-and-Language Inference [81.50675020698662]
  Video-and-Language Inferenceは、最近提案された共同ビデオ・言語理解のタスクである。 本稿では,複雑な相互作用に関する映像の深い理解を実現する適応階層型グラフネットワークを提案する。 3つの階層から適応階層型グラフネットワークのセマンティックコヒーレンスを明示的に促進するためにセマンティックコヒーレンス学習を導入する。
  論文  参考訳（メタデータ） (2021-07-26T15:23:19Z)
• Structured Sentiment Analysis as Dependency Graph Parsing [5.174808367448261]
  我々は、この区分が非生産的になり、状況を改善するための新しい統一された枠組みを提案する。 我々は、構造化された感情問題を依存グラフ解析として、ノードは感情保持者、ターゲット、表現の領域であり、弧はそれらの関係であると考えた。
  論文  参考訳（メタデータ） (2021-05-30T11:19:46Z)
• Introducing Syntactic Structures into Target Opinion Word Extraction with Deep Learning [89.64620296557177]
  目的語抽出のためのディープラーニングモデルに文の構文構造を組み込むことを提案する。 また,ディープラーニングモデルの性能向上のために,新たな正規化手法を導入する。 提案モデルは,4つのベンチマークデータセット上での最先端性能を広範囲に解析し,達成する。
  論文  参考訳（メタデータ） (2020-10-26T07:13:17Z)
• Inducing Alignment Structure with Gated Graph Attention Networks for Sentence Matching [24.02847802702168]
  本稿では,文マッチングのためのグラフベースの手法を提案する。 文ペアをグラフとして表現し、慎重に設計する。 次に,文マッチングのために構築したグラフを符号化するために,新しいゲートグラフアテンションネットワークを用いる。
  論文  参考訳（メタデータ） (2020-10-15T11:25:54Z)
• Relational Graph Attention Network for Aspect-based Sentiment Analysis [35.342467338880546]
  アスペクトベースの感情分析は、オンラインレビューにおける特定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。 感情予測のための新しい木構造を符号化するリレーショナルグラフアテンションネットワーク(R-GAT)を提案する。 SemEval 2014とTwitterのデータセットで実験が行われている。
  論文  参考訳（メタデータ） (2020-04-26T12:21:04Z)
• Bidirectional Graph Reasoning Network for Panoptic Segmentation [126.06251745669107]
  本稿では,BGRNet(Bidirectional Graph Reasoning Network)を導入し,前景物と背景物間のモジュラー内およびモジュラー間関係について検討する。 BGRNetはまず、インスタンスとセマンティックセグメンテーションの両方でイメージ固有のグラフを構築し、提案レベルとクラスレベルで柔軟な推論を可能にする。
  論文  参考訳（メタデータ） (2020-04-14T02:32:10Z)
• Investigating Typed Syntactic Dependencies for Targeted Sentiment Classification Using Graph Attention Neural Network [10.489983726592303]
  型付き構文依存情報を統合する新しい関係グラフアテンションネットワークについて検討する。 その結果,本手法は目標感情分類性能を改善するためにラベル情報を効果的に活用できることが示唆された。
  論文  参考訳（メタデータ） (2020-02-22T11:17:16Z)

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。