論文の概要: AX-MABSA: A Framework for Extremely Weakly Supervised Multi-label Aspect Based Sentiment Analysis

• arxiv url: http://arxiv.org/abs/2211.03837v1
• Date: Mon, 7 Nov 2022 19:44:42 GMT
• ステータス: 処理完了
• システム内更新日: 2022-11-09 16:02:10.840509
• Title: AX-MABSA: A Framework for Extremely Weakly Supervised Multi-label Aspect Based Sentiment Analysis
• Title（参考訳）: AX-MABSA: 極端に弱められたマルチラベルアスペクトに基づく知覚分析のためのフレームワーク
• Authors: Sabyasachi Kamila, Walid Magdy, Sourav Dutta and MingXue Wang
• Abstract要約: 極めて弱い教師付き多言語Aspect Category Sentiment Analysis フレームワークを提案する。 最初の指示情報として、クラスごとに1つの単語しか依存していません。 本稿では、これらのシードカテゴリと感情語を選択するための自動単語選択手法を提案する。
• 参考スコア（独自算出の注目度）: 8.067010122141985
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Aspect Based Sentiment Analysis is a dominant research area with potential applications in social media analytics, business, finance, and health. Prior works in this area are primarily based on supervised methods, with a few techniques using weak supervision limited to predicting a single aspect category per review sentence. In this paper, we present an extremely weakly supervised multi-label Aspect Category Sentiment Analysis framework which does not use any labelled data. We only rely on a single word per class as an initial indicative information. We further propose an automatic word selection technique to choose these seed categories and sentiment words. We explore unsupervised language model post-training to improve the overall performance, and propose a multi-label generator model to generate multiple aspect category-sentiment pairs per review sentence. Experiments conducted on four benchmark datasets showcase our method to outperform other weakly supervised baselines by a significant margin.
• Abstract（参考訳）: アスペクトベースのセンチメント分析は、ソーシャルメディア分析、ビジネス、ファイナンス、健康に潜在的な応用を持つ主要な研究分野である。 この分野の先行研究は、主に教師付き手法に基づいており、レビュー文あたりの1つのアスペクトカテゴリの予測に制限された弱い監督技術を用いている。 本稿では,ラベル付きデータを使用しない,非常に弱い教師付きマルチラベルAspect Category Sentiment Analysisフレームワークを提案する。 初歩的な情報としてクラスごとに1つの単語しか頼りにしません。 さらに,これらの種別と感情語を自動選択する単語選択手法を提案する。 我々は,教師なし言語モデルによる学習を総合的な性能向上のために検討し,レビュー文毎に複数のアスペクトカテゴリ・強調ペアを生成するマルチラベル生成モデルを提案する。 4つのベンチマークデータセットで行った実験では、他の弱い教師付きベースラインをかなりの差で上回る方法を示した。

関連論文リスト

• Label-Driven Denoising Framework for Multi-Label Few-Shot Aspect Category Detection [27.319209062256448]
  本稿では,上記の問題に対処する新しいラベル駆動型Denoising Framework(LDF)を提案する。 我々のフレームワークは、他の最先端の手法よりも優れたパフォーマンスを実現している。
  論文  参考訳（メタデータ） (2022-10-09T10:37:43Z)
• Resolving label uncertainty with implicit posterior models [71.62113762278963]
  本稿では,データサンプルのコレクション間でラベルを共同で推論する手法を提案する。 異なる予測子を後部とする生成モデルの存在を暗黙的に仮定することにより、弱い信念の下での学習を可能にする訓練目標を導出する。
  論文  参考訳（メタデータ） (2022-02-28T18:09:44Z)
• 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)
• Fine-Grained Opinion Summarization with Minimal Supervision [48.43506393052212]
  FineSumは、複数のドキュメントから意見を抽出することでターゲットをプロファイルすることを目的としている。 FineSumは、生のコーパスから意見語句を自動的に識別し、異なる側面と感情に分類し、各アスペクト/感覚の下に複数のきめ細かい意見クラスタを構築する。 ベンチマークの自動評価と定量的人的評価の両方が,本手法の有効性を検証した。
  論文  参考訳（メタデータ） (2021-10-17T15:16:34Z)
• Semi-supervised Active Learning for Instance Segmentation via Scoring Predictions [25.408505612498423]
  インスタンスセグメンテーションのための新規かつ原則的な半教師付きアクティブ学習フレームワークを提案する。 具体的には,クラス,バウンディングボックス,マスクの手がかりを明示的に評価するトリプレットスコア予測(tsp)という不確実性サンプリング戦略を提案する。 医用画像データセットを用いた結果から,提案手法が有意義な方法で利用可能なデータから知識を具現化することを示す。
  論文  参考訳（メタデータ） (2020-12-09T02:36:52Z)
• Weakly-Supervised Aspect-Based Sentiment Analysis via Joint Aspect-Sentiment Topic Embedding [71.2260967797055]
  アスペクトベース感情分析のための弱教師付きアプローチを提案する。 We learn sentiment, aspects> joint topic embeddeds in the word embedding space。 次に、ニューラルネットワークを用いて単語レベルの識別情報を一般化する。
  論文  参考訳（メタデータ） (2020-10-13T21:33:24Z)
• UniT: Unified Knowledge Transfer for Any-shot Object Detection and Segmentation [52.487469544343305]
  オブジェクト検出とセグメンテーションの方法は、トレーニングのための大規模インスタンスレベルのアノテーションに依存します。 本稿では,直感的かつ統一的な半教師付きモデルを提案する。
  論文  参考訳（メタデータ） (2020-06-12T22:45:47Z)
• Unsupervised Domain Adaptation in Semantic Segmentation: a Review [22.366638308792734]
  本研究の目的は, セマンティックセグメンテーションのための深層ネットワークのUnsupervised Domain Adaptation (UDA) の最近の進歩について概説することである。
  論文  参考訳（メタデータ） (2020-05-21T20:10:38Z)
• Structured Prediction with Partial Labelling through the Infimum Loss [85.4940853372503]
  弱い監督の目標は、収集コストの安いラベル付け形式のみを使用してモデルを学習できるようにすることである。 これは、各データポイントに対して、実際のものを含むラベルのセットとして、監督がキャストされる不完全なアノテーションの一種です。 本稿では、構造化された予測と、部分的なラベリングを扱うための無限損失の概念に基づく統一的なフレームワークを提供する。
  論文  参考訳（メタデータ） (2020-03-02T13:59:41Z)
• Aspect Term Extraction using Graph-based Semi-Supervised Learning [1.0499611180329804]
  本稿では,アスペクト項抽出のためのグラフに基づく半教師付き学習手法を提案する。 レビュー文書内の識別されたトークンはすべて、ラベル付きトークンの小さなセットからアスペクトまたは非アスペクトの用語に分類される。 提案手法は, 認識されたアスペクト項に関連付けられた意見語の極性を決定するために, さらに拡張された。
  論文  参考訳（メタデータ） (2020-02-20T13:11:02Z)

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。