論文の概要: Instruction Tuning for Few-Shot Aspect-Based Sentiment Analysis

• arxiv url: http://arxiv.org/abs/2210.06629v2
• Date: Sun, 11 Jun 2023 22:47:33 GMT
• ステータス: 処理完了
• システム内更新日: 2023-06-14 02:19:01.949575
• Title: Instruction Tuning for Few-Shot Aspect-Based Sentiment Analysis
• Title（参考訳）: Few-Shot Aspect-Based Sentiment Analysisのためのインストラクションチューニング
• Authors: Siddharth Varia, Shuai Wang, Kishaloy Halder, Robert Vacareanu, Miguel Ballesteros, Yassine Benajiba, Neha Anna John, Rishita Anubhai, Smaranda Muresan, Dan Roth
• Abstract要約: 生成的アプローチは、テキストから(1つ以上の)4つの要素を1つのタスクとして抽出するために提案されている。 本稿では,ABSAを解くための統一的なフレームワークと,それに関連するサブタスクを提案する。
• 参考スコア（独自算出の注目度）: 72.9124467710526
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Aspect-based Sentiment Analysis (ABSA) is a fine-grained sentiment analysis task which involves four elements from user-generated texts: aspect term, aspect category, opinion term, and sentiment polarity. Most computational approaches focus on some of the ABSA sub-tasks such as tuple (aspect term, sentiment polarity) or triplet (aspect term, opinion term, sentiment polarity) extraction using either pipeline or joint modeling approaches. Recently, generative approaches have been proposed to extract all four elements as (one or more) quadruplets from text as a single task. In this work, we take a step further and propose a unified framework for solving ABSA, and the associated sub-tasks to improve the performance in few-shot scenarios. To this end, we fine-tune a T5 model with instructional prompts in a multi-task learning fashion covering all the sub-tasks, as well as the entire quadruple prediction task. In experiments with multiple benchmark datasets, we show that the proposed multi-task prompting approach brings performance boost (by absolute 8.29 F1) in the few-shot learning setting.
• Abstract（参考訳）: Aspect-based Sentiment Analysis (ABSA)は、アスペクト項、アスペクトカテゴリー、意見項、感情極性という4つの要素を含む、きめ細かい感情分析タスクである。 ほとんどの計算手法は、タプル(アスペクト項、感情極性)やトリプレット(アスペクト項、意見項、感情極性)といったABSAのサブタスクの一部に、パイプラインまたはジョイントモデリングアプローチを用いて焦点を当てている。 近年,テキストから4つの要素を1つ以上の四重項として抽出する手法が提案されている。 本研究では、さらに一歩進めてABSAを解くための統一的なフレームワークと、それに関連するサブタスクを提案する。 この目的のために、全てのサブタスクと4次予測タスク全体をカバーするマルチタスク学習方式で、t5モデルをインストラクションプロンプトで微調整する。 複数のベンチマークデータセットを用いた実験では、提案手法により、数ショットの学習環境で性能が向上する(絶対8.29F1)。

関連論文リスト

• Beat: Bi-directional One-to-Many Embedding Alignment for Text-based Person Retrieval [66.61856014573742]
  テキストベースの人物検索(TPR)は、テキスト記述に基づいて特定の個人を検索する難題である。 これまでは、テキストと画像のサンプルをモーダルシェード空間で整列させようと試みてきた。 本稿では,各サンプルに対して明確な最適化方向を提供する,効果的な双方向一対多埋め込みパラダイムを提案する。
  論文  参考訳（メタデータ） (2024-06-09T03:06:55Z)
• It is Simple Sometimes: A Study On Improving Aspect-Based Sentiment Analysis Performance [3.951769809066429]
  タスク記述にNLP関連タスクプレフィックスを付加することにより、命令学習パラダイムの拡張であるPFInstructを提案する。 この単純なアプローチは全てのテストされたSemEvalサブタスクのパフォーマンスを改善し、ATEサブタスク(Rest14)の以前の状態(SOTA)を+3.28 F1スコア、AOOEサブタスクの平均+5.43 F1スコアで上回った。
  論文  参考訳（メタデータ） (2024-05-31T08:57:09Z)
• 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)
• 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)
• A Unified Generative Framework for Aspect-Based Sentiment Analysis [33.911655982545206]
  Aspect-based Sentiment Analysis (ABSA) は、アスペクトの項、対応する感情の極性、意見の項を識別することを目的としている。 ABSAには7つのサブタスクがある。 本稿では,各サブタスク対象を,ポインタインデックスと感情クラスインデックスで混合したシーケンスとして再定義する。 トレーニング前のシーケンス・ツー・シーケンス・モデルであるBARTを用いて、エンド・ツー・エンドのフレームワークで全てのABSAサブタスクを解決する。
  論文  参考訳（メタデータ） (2021-06-08T12:55:22Z)
• Exploring Relational Context for Multi-Task Dense Prediction [76.86090370115]
  我々は,共通バックボーンと独立タスク固有のヘッドで表される,密集予測タスクのためのマルチタスク環境を考える。 マルチタスク設定では,グローバルやローカルなど,さまざまな注意に基づくコンテキストを探索する。 タスクペアごとに利用可能なすべてのコンテキストのプールをサンプリングするAdaptive Task-Relational Contextモジュールを提案する。
  論文  参考訳（メタデータ） (2021-04-28T16:45:56Z)
• A Joint Training Dual-MRC Framework for Aspect Based Sentiment Analysis [9.587513675287829]
  アスペクトベースの感情分析は、アスペクト項抽出、意見項抽出、アスペクトレベルの感情分類の3つの基本的なサブタスクを含む。 以前のアプローチでは、すべてのサブタスクを統一されたエンドツーエンドフレームワークで解決できなかった。 パラメータ共有による2つのBERT-MRCモデルの共同トレーニングにより、2つの機械読解問題を構築し、すべてのサブタスクを解決します。
  論文  参考訳（メタデータ） (2021-01-04T07:47:53Z)
• Multi-Task Learning for Dense Prediction Tasks: A Survey [87.66280582034838]
  マルチタスク学習(MTL)技術は、性能、計算、メモリフットプリントに関する有望な結果を示している。 我々は、コンピュータビジョンにおけるMLLのための最先端のディープラーニングアプローチについて、よく理解された視点を提供する。
  論文  参考訳（メタデータ） (2020-04-28T09:15:50Z)

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。