Fugu-MT 論文翻訳(概要): Aspect-Based Sentiment Analysis using Local Context Focus Mechanism with DeBERTa

論文の概要: Aspect-Based Sentiment Analysis using Local Context Focus Mechanism with DeBERTa

arxiv url: http://arxiv.org/abs/2207.02424v1
Date: Wed, 6 Jul 2022 03:50:31 GMT
ステータス: 処理完了
システム内更新日: 2022-07-07 13:48:34.122374
Title: Aspect-Based Sentiment Analysis using Local Context Focus Mechanism with DeBERTa
Title（参考訳）: DeBERTaを用いた局所文脈焦点機構を用いたアスペクトベース知覚分析
Authors: Tianyu Zhao, Junping Du, Zhe Xu, Ang Li, Zeli Guan
Abstract要約: Aspect-Based Sentiment Analysis (ABSA)は、感情分析の分野におけるきめ細かいタスクである。アスペクトベース感性分析問題を解決するための最近のDeBERTaモデル
参考スコア（独自算出の注目度）: 26.507916676584763
License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
Abstract: Text sentiment analysis, also known as opinion mining, is research on the calculation of people's views, evaluations, attitude and emotions expressed by entities. Text sentiment analysis can be divided into text-level sentiment analysis, sen-tence-level sentiment analysis and aspect-level sentiment analysis. Aspect-Based Sentiment Analysis (ABSA) is a fine-grained task in the field of sentiment analysis, which aims to predict the polarity of aspects. The research of pre-training neural model has significantly improved the performance of many natural language processing tasks. In recent years, pre training model (PTM) has been applied in ABSA. Therefore, there has been a question, which is whether PTMs contain sufficient syntactic information for ABSA. In this paper, we explored the recent DeBERTa model (Decoding-enhanced BERT with disentangled attention) to solve Aspect-Based Sentiment Analysis problem. DeBERTa is a kind of neural language model based on transformer, which uses self-supervised learning to pre-train on a large number of original text corpora. Based on the Local Context Focus (LCF) mechanism, by integrating DeBERTa model, we purpose a multi-task learning model for aspect-based sentiment analysis. The experiments result on the most commonly used the laptop and restaurant datasets of SemEval-2014 and the ACL twitter dataset show that LCF mechanism with DeBERTa has significant improvement.
Abstract（参考訳）: テキスト感情分析(英: Text sentiment analysis)または意見マイニング(英: opinion mining)は、個人が表現する人々の見解、評価、態度、感情の計算に関する研究である。テキスト感情分析は、テキストレベルの感情分析、センセンスレベルの感情分析、アスペクトレベルの感情分析に分けられる。 Aspect-Based Sentiment Analysis (ABSA)は、感情分析の分野における細かいタスクであり、アスペクトの極性を予測することを目的としている。事前学習ニューラルモデルの研究は、多くの自然言語処理タスクの性能を大幅に向上させた。近年、ABSAではプレトレーニングモデル(PTM)が適用されている。したがって、PTMがABSAに十分な構文情報を含むかどうかという疑問がある。本稿では,直近のDeBERTaモデルについて検討し,アスペクトベース感性分析問題の解法を提案する。 DeBERTaは、トランスフォーマーをベースとしたニューラルネットワークモデルの一種で、教師付き学習を使用して、多数のオリジナルテキストコーパスを事前トレーニングする。局所的コンテキストフォーカス(lcf)機構に基づき、debertaモデルを統合することで、アスペクトベース感情分析のためのマルチタスク学習モデルを実現する。この実験は、SemEval-2014のラップトップとレストランのデータセットで最もよく使われているもので、ACL twitterデータセットは、DeBERTaによるLCFメカニズムが大幅に改善されていることを示している。

関連論文リスト

Instruct-DeBERTa: A Hybrid Approach for Aspect-based Sentiment Analysis on Textual Reviews [2.0143010051030417]
Aspect-based Sentiment Analysis (ABSA)は自然言語処理(NLP)における重要な課題である従来の感情分析手法は、全体的な感情を決定するのに有用だが、特定の製品やサービス機能に関する暗黙の意見を見逃すことが多い。本稿では、レキシコンベースのアプローチから機械学習まで、ABSA方法論の進化を包括的に概観する。
論文参考訳（メタデータ） (2024-08-23T16:31:07Z)
A Deep Convolutional Neural Network-based Model for Aspect and Polarity Classification in Hausa Movie Reviews [0.0]
本稿では, ハウサ映画レビューにおいて, アスペクトおよび極性分類に適した新しいDeep Convolutional Neural Network (CNN) モデルを提案する。提案モデルでは,CNNとアスペクトワード予測の注意機構を組み合わせることで,文脈情報と感情の極性を活用する。アスペクト項抽出では91%、感情極性分類では92%の精度で、従来のマシンモデルより優れている。
論文参考訳（メタデータ） (2024-05-29T23:45:42Z)
Performance evaluation of Reddit Comments using Machine Learning and Natural Language Processing methods in Sentiment Analysis [0.764671395172401]
我々は、Reddit上で58,000のコメントを寄せ集め、感情分析手法を評価した。我々の研究は、様々なモデルの配列を評価することによって、範囲を広げる。以上の結果から,RoBERTaモデルはベースラインモデルよりも一貫して優れていることがわかった。
論文参考訳（メタデータ） (2024-05-27T03:59:28Z)
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)
On the Robustness of Aspect-based Sentiment Analysis: Rethinking Model, Data, and Training [109.9218185711916]
アスペクトベースの感情分析(ABSA)は、ソーシャルメディアのテキストやレビューの背後にある製品やサービスの特定の側面に対して、特定の感情の極性を自動的に推測することを目的としている。我々は、モデル、データ、トレーニングを含むあらゆる可能な角度からボトルネックを体系的に再考することで、ABSAの堅牢性を高めることを提案する。
論文参考訳（メタデータ） (2023-04-19T11:07:43Z)
DiaASQ : A Benchmark of Conversational Aspect-based Sentiment Quadruple Analysis [84.80347062834517]
本稿では,対話における目標視差感の4倍を検出することを目的としたDiaASQを紹介する。中国語と英語の両方で大規模なDiaASQデータセットを手作業で構築する。我々は、タスクをベンチマークするニューラルネットワークを開発し、エンドツーエンドの4倍の予測を効果的に実行する。
論文参考訳（メタデータ） (2022-11-10T17:18:20Z)
Causal Intervention Improves Implicit Sentiment Analysis [67.43379729099121]
インスツルメンタル・バリアブル(ISAIV)を用いたインシシット・センシティメント分析のための因果介入モデルを提案する。まず、因果的視点から感情分析をレビューし、このタスクに存在する共同設立者を分析する。そこで本研究では,文章と感情の因果関係を解消し,純粋因果関係を抽出するインストゥルメンタル変数を提案する。
論文参考訳（メタデータ） (2022-08-19T13:17:57Z)
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)
Multi-Aspect Sentiment Analysis with Latent Sentiment-Aspect Attribution [7.289918297809611]
感傷的帰属モジュール(SAAM)と呼ばれる新しいフレームワークを導入する。このフレームワークは文レベルの埋め込み特徴と文書レベルのアスペクトレーティングスコアのバリエーションの相関を利用して動作する。ホテルレビューデータセットとビールレビューデータセットの実験では、SAAMは感情分析性能を向上させることが示されている。
論文参考訳（メタデータ） (2020-12-15T16:34:36Z)
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)
Sentiment Analysis Based on Deep Learning: A Comparative Study [69.09570726777817]
世論の研究は我々に貴重な情報を提供することができる。感情分析の効率性と正確性は、自然言語処理で直面する課題によって妨げられている。本稿では、感情分析の問題を解決するためにディープラーニングを用いた最新の研究をレビューする。
論文参考訳（メタデータ） (2020-06-05T16:28:10Z)

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。