論文の概要: Multi-Domain Targeted Sentiment Analysis

• arxiv url: http://arxiv.org/abs/2205.03804v1
• Date: Sun, 8 May 2022 07:40:36 GMT
• ステータス: 処理完了
• システム内更新日: 2022-05-10 15:02:40.742815
• Title: Multi-Domain Targeted Sentiment Analysis
• Title（参考訳）: マルチドメイン目標感分析
• Authors: Orith Toledo-Ronen, Matan Orbach, Yoav Katz, Noam Slonim
• Abstract要約: TSA(Targeted Sentiment Analysis)は、消費者レビューから洞察を得るための中心的なタスクである。 本稿では,多種多様な弱いラベルを持つトレーニングセットの強化に基づくマルチドメインTSAシステムを提案する。 本研究の結果から,本手法が実用的なドメイン・ロバスト型TSAシステムに向けた有望な一歩であることが示唆された。
• 参考スコア（独自算出の注目度）: 8.36637018841587
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Targeted Sentiment Analysis (TSA) is a central task for generating insights from consumer reviews. Such content is extremely diverse, with sites like Amazon or Yelp containing reviews on products and businesses from many different domains. A real-world TSA system should gracefully handle that diversity. This can be achieved by a multi-domain model -- one that is robust to the domain of the analyzed texts, and performs well on various domains. To address this scenario, we present a multi-domain TSA system based on augmenting a given training set with diverse weak labels from assorted domains. These are obtained through self-training on the Yelp reviews corpus. Extensive experiments with our approach on three evaluation datasets across different domains demonstrate the effectiveness of our solution. We further analyze how restrictions imposed on the available labeled data affect the performance, and compare the proposed method to the costly alternative of manually gathering diverse TSA labeled data. Our results and analysis show that our approach is a promising step towards a practical domain-robust TSA system.
• Abstract（参考訳）: ターゲット感情分析(tsa)は、消費者レビューから洞察を得るための中心的なタスクである。 こうしたコンテンツは非常に多様で、AmazonやYelpのようなサイトには多くの異なるドメインの製品やビジネスに関するレビューが含まれている。 現実世界のTSAシステムは、その多様性を優雅に扱うべきです。 これは、分析されたテキストのドメインに対して堅牢で、さまざまなドメインでうまく機能するマルチドメインモデルによって達成できる。 このシナリオに対処するために,各領域の異なる弱ラベルを持つ与えられたトレーニングセットの強化に基づくマルチドメインtsaシステムを提案する。 これらはYelpのレビューコーパスで自己学習することで得られる。 異なる領域にまたがる3つの評価データセットに対するアプローチによる大規模な実験により、ソリューションの有効性が示された。 さらに,利用可能なラベル付きデータに対する制約が性能に与える影響を解析し,提案手法とtsaラベル付きデータを手作業で収集する費用対効果を比較した。 以上の結果と分析結果から,本手法は実用的なドメインロバストtsaシステムへの有望な一歩であることが示された。

関連論文リスト

• FaiMA: Feature-aware In-context Learning for Multi-domain Aspect-based Sentiment Analysis [1.606149016749251]
  マルチドメインアスペクトベースの感情分析(ABSA)は、多様なドメインにわたってきめ細かい感情を捉えようとしている。 マルチドメインABSA(FaiMA)のための特徴認識型インコンテキスト学習フレームワークを提案する。 FaiMAはマルチドメインABSAタスクの適応学習を容易にする機能認識機構である。
  論文  参考訳（メタデータ） (2024-03-02T02:00:51Z)
• Measuring Your ASTE Models in The Wild: A Diversified Multi-domain Dataset For Aspect Sentiment Triplet Extraction [27.004776842335136]
  DMASTEと呼ばれる新しいデータセットを導入し、実際のシナリオに適合するように手動で注釈付けします。 データセットには、さまざまな長さ、多様な表現、より多くのアスペクトタイプ、既存のデータセットよりも多くのドメインが含まれている。
  論文  参考訳（メタデータ） (2023-05-27T11:21:32Z)
• Bidirectional Generative Framework for Cross-domain Aspect-based Sentiment Analysis [68.742820522137]
  クロスドメインアスペクトベースの感情分析(ABSA)は、ソースドメインから知識を伝達することで、ターゲットドメイン上で様々なきめ細かい感情分析タスクを実行することを目的としている。 本稿では,多様なドメイン間ABSAタスクに対処するための統合双方向生成フレームワークを提案する。 我々のフレームワークは、テキストからラベルまでの方向とラベルからテキストへの方向の両方で生成モデルを訓練する。
  論文  参考訳（メタデータ） (2023-05-16T15:02:23Z)
• From Stars to Insights: Exploration and Implementation of Unified Sentiment Analysis with Distant Supervision [1.940999549833078]
  本稿では,ACD,ACSA,RPをコヒーレントなフレームワークに統合する新しい学習パラダイムであるUni-SAを紹介する。 本稿では, 単語, アスペクト, 文書レベルでの感情を捉えるためにピラミッド構造を用いたDSPN(Distantly Supervised Pyramid Network)を提案する。 本研究はDSPNの有効性と効率を検証し,感情分析のための堅牢で資源効率の高い統一的な枠組みを構築した。
  論文  参考訳（メタデータ） (2023-05-02T18:23:50Z)
• 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)
• Variational Attention: Propagating Domain-Specific Knowledge for Multi-Domain Learning in Crowd Counting [75.80116276369694]
  群集カウントでは, 激しいラベル付けの問題により, 新しい大規模データセットを収集する難易度が知覚される。 マルチドメイン共同学習を活用し,DKPNet(Domain-specific Knowledge Propagating Network)を提案する。 主に、異なるドメインに対する注意分布を明示的にモデル化する、新しい変動注意法(VA)技術を提案する。
  論文  参考訳（メタデータ） (2021-08-18T08:06:37Z)
• Curriculum CycleGAN for Textual Sentiment Domain Adaptation with Multiple Sources [68.31273535702256]
  我々は,C-CycleGAN(C-CycleGAN)という,新しいインスタンスレベルのMDAフレームワークを提案する。 C-CycleGANは、(1)異なるドメインからのテキスト入力を連続的な表現空間にエンコードする事前訓練されたテキストエンコーダ、(2)ソースとターゲットドメイン間のギャップを埋めるカリキュラムインスタンスレベルの適応を伴う中間ドメインジェネレータ、(3)中間ドメインで最終感情分類のために訓練されたタスク分類器の3つのコンポーネントから構成される。 3つのベンチマークデータセットに対して広範な実験を行い、最先端のDAアプローチよりも大幅に向上した。
  論文  参考訳（メタデータ） (2020-11-17T14:50:55Z)
• Transformer-based Multi-Aspect Modeling for Multi-Aspect Multi-Sentiment Analysis [56.893393134328996]
  本稿では,複数の側面間の潜在的な関係を抽出し,文中のすべての側面の感情を同時に検出できるトランスフォーマーベースのマルチアスペクトモデリング手法を提案する。 本手法はBERTやRoBERTaといった強力なベースラインと比較して顕著な改善を実現している。
  論文  参考訳（メタデータ） (2020-11-01T11:06:31Z)
• Multi-Task Incremental Learning for Object Detection [71.57155077119839]
  マルチタスクは、知識と計算を共有しながら、複数のタスクを学習する。 古いデータにアクセスせずに漸進的に学習すると、過去の知識を壊滅的に忘れてしまう。
  論文  参考訳（メタデータ） (2020-02-13T04:58:37Z)

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。