論文の概要: A Hierarchical Interactive Network for Joint Span-based Aspect-Sentiment Analysis

• arxiv url: http://arxiv.org/abs/2208.11283v1
• Date: Wed, 24 Aug 2022 03:03:49 GMT
• ステータス: 処理完了
• システム内更新日: 2022-08-25 12:28:29.760162
• Title: A Hierarchical Interactive Network for Joint Span-based Aspect-Sentiment Analysis
• Title（参考訳）: 接合スパンに基づくアスペクト強調分析のための階層型インタラクティブネットワーク
• Authors: Wei Chen, Jinglong Du, Zhao Zhang, Fuzhen Zhuang, Zhongshi He
• Abstract要約: 本稿では,2つのタスク間の双方向相互作用を適切にモデル化する階層型対話型ネットワーク(HI-ASA)を提案する。 クロススティッチ機構を用いて、異なるタスク固有の特徴を入力として選択的に組み合わせ、適切な双方向インタラクションを保証する。 3つの実世界のデータセットの実験は、HI-ASAがベースラインよりも優れていることを示している。
• 参考スコア（独自算出の注目度）: 34.1489054082536
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Recently, some span-based methods have achieved encouraging performances for joint aspect-sentiment analysis, which first extract aspects (aspect extraction) by detecting aspect boundaries and then classify the span-level sentiments (sentiment classification). However, most existing approaches either sequentially extract task-specific features, leading to insufficient feature interactions, or they encode aspect features and sentiment features in a parallel manner, implying that feature representation in each task is largely independent of each other except for input sharing. Both of them ignore the internal correlations between the aspect extraction and sentiment classification. To solve this problem, we novelly propose a hierarchical interactive network (HI-ASA) to model two-way interactions between two tasks appropriately, where the hierarchical interactions involve two steps: shallow-level interaction and deep-level interaction. First, we utilize cross-stitch mechanism to combine the different task-specific features selectively as the input to ensure proper two-way interactions. Second, the mutual information technique is applied to mutually constrain learning between two tasks in the output layer, thus the aspect input and the sentiment input are capable of encoding features of the other task via backpropagation. Extensive experiments on three real-world datasets demonstrate HI-ASA's superiority over baselines.
• Abstract（参考訳）: 近年, アスペクト境界を検出することによってアスペクト(アスペクト抽出)を抽出し, そして, スパンレベルの感情(感情分類)を分類する, 共同アスペクトセンチメント分析の促進的な手法が提案されている。 しかし、既存のアプローチのほとんどは、タスク固有の特徴を順次抽出するか、機能インタラクションが不十分になるか、アスペクト特徴と感情特徴を並列にエンコードするかのどちらかであり、各タスクにおける特徴表現は、入力共有を除いて、ほとんど独立していることを示している。 両者は、アスペクト抽出と感情分類の間の内部的相関を無視している。 そこで本研究では,階層的相互作用が浅層的相互作用と深層的相互作用の2つのステップを含む2つのタスク間の双方向的相互作用を適切にモデル化する階層的対話型ネットワーク(hi-asa)を提案する。 まず,クロスストッチ機構を用いて,タスク固有の特徴を入力として選択的に結合し,適切な双方向インタラクションを実現する。 次に、相互情報技術を用いて、出力層内の2つのタスク間の学習を相互に制約することにより、アスペクト入力と感情入力がバックプロパゲーションを介して他のタスクの特徴を符号化することができる。 3つの実世界のデータセットに対する大規模な実験は、HI-ASAがベースラインよりも優れていることを示している。

関連論文リスト

• A Decoupling and Aggregating Framework for Joint Extraction of Entities and Relations [7.911978021993282]
  本稿では,エンティティと関係を共同で抽出する新しいモデルを提案する。 本稿では,特徴符号化処理を主題の符号化,オブジェクトの符号化,関係の符号化という3つの部分に分割することを提案する。 我々のモデルは、過去の最先端モデルよりも優れています。
  論文  参考訳（メタデータ） (2024-05-14T04:27:16Z)
• Disentangled Interaction Representation for One-Stage Human-Object Interaction Detection [70.96299509159981]
  ヒューマン・オブジェクト・インタラクション(HOI)検出は、人間中心の画像理解のコアタスクである。 最近のワンステージ手法では、対話予測に有用な画像ワイドキューの収集にトランスフォーマーデコーダを採用している。 従来の2段階の手法は、非絡み合いで説明可能な方法で相互作用特徴を構成する能力から大きな恩恵を受ける。
  論文  参考訳（メタデータ） (2023-12-04T08:02:59Z)
• A Partition Filter Network for Joint Entity and Relation Extraction [24.177745696948744]
  本稿では,タスク間の双方向相互作用を適切にモデル化する分割フィルタネットワークを提案する。 エンコーダでは、エンティティとリレーショナルゲートという2つのゲートを利用して、ニューロンを2つのタスクパーティションと1つの共有パーティションに分割する。 5つの公開データセットの実験結果から,我々のモデルは従来の手法よりもはるかに優れた性能を示した。
  論文  参考訳（メタデータ） (2021-08-27T09:44:23Z)
• Context-Aware Interaction Network for Question Matching [51.76812857301819]
  本研究では,二つのシーケンスを整合させ,それらの意味関係を推定する文脈認識インタラクションネットワーク(coin)を提案する。 具体的には,(1)コンテキスト情報を効果的に統合するためのコンテキスト対応のクロスアテンション機構,(2)整列表現を柔軟に補間するゲート融合層を備える。
  論文  参考訳（メタデータ） (2021-04-17T05:03:56Z)
• Interactive Fusion of Multi-level Features for Compositional Activity Recognition [100.75045558068874]
  インタラクティブな融合によってこの目標を達成する新しいフレームワークを提案する。 本フレームワークは,位置から出現までの特徴抽出,意味的特徴の相互作用,意味から位置への予測という3つのステップで実装する。 我々は,2つの行動認識データセット,SomethingとCharadesに対するアプローチを評価した。
  論文  参考訳（メタデータ） (2020-12-10T14:17:18Z)
• A Co-Interactive Transformer for Joint Slot Filling and Intent Detection [61.109486326954205]
  音声言語理解システム(SLU)を構築する上では,インテント検出とスロットフィリングが主要な2つのタスクである。 以前の研究では、2つのタスクを個別にモデル化するか、インテントからスロットへの単一の情報フローのみを考慮していた。 本稿では,2つのタスク間の相互影響を同時に検討するコ・インターアクティブ・トランスフォーマーを提案する。
  論文  参考訳（メタデータ） (2020-10-08T10:16:52Z)
• DCR-Net: A Deep Co-Interactive Relation Network for Joint Dialog Act Recognition and Sentiment Classification [77.59549450705384]
  ダイアログシステムでは、ダイアログアクト認識と感情分類は2つの相関タスクである。 既存のシステムのほとんどは、それらを別々のタスクとして扱うか、単に2つのタスクを一緒にモデル化するだけです。 本稿では,2つのタスク間の相互作用をモデル化するディープ・コ・インタラクティブ・リレーショナル・ネットワーク(DCR-Net)を提案する。
  論文  参考訳（メタデータ） (2020-08-16T14:13:32Z)
• Cascaded Human-Object Interaction Recognition [175.60439054047043]
  マルチステージで粗大なHOI理解のためのカスケードアーキテクチャを提案する。 各段階で、インスタンスローカライゼーションネットワークは、HOI提案を段階的に洗練し、インタラクション認識ネットワークにフィードする。 慎重に設計された人間中心の関係機能により、これらの2つのモジュールは効果的な相互作用理解に向けて協調的に機能する。
  論文  参考訳（メタデータ） (2020-03-09T17:05:04Z)

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。