論文の概要: Soft Prompt Guided Joint Learning for Cross-Domain Sentiment Analysis
- arxiv url: http://arxiv.org/abs/2303.00815v1
- Date: Wed, 1 Mar 2023 20:33:37 GMT
- ステータス: 処理完了
- システム内更新日: 2023-03-03 16:54:31.123504
- Title: Soft Prompt Guided Joint Learning for Cross-Domain Sentiment Analysis
- Title(参考訳): ソフトプロンプト指導型共同学習によるクロスドメイン感性分析
- Authors: Jingli Shi, Weihua Li, Quan Bai, Yi Yang, Jianhua Jiang
- Abstract要約: そこで本研究では,クロスドメインアスペクト項抽出のためのソフトプロンプトに基づく共同学習手法を提案する。
外部言語的特徴を取り入れることで,提案手法はソースドメインとターゲットドメイン間のドメイン不変表現を学習する。
ベンチマークデータを用いて実験を行い,提案手法の有効性を実証した。
- 参考スコア(独自算出の注目度): 26.974822569543786
- License: http://creativecommons.org/licenses/by-nc-nd/4.0/
- Abstract: Aspect term extraction is a fundamental task in fine-grained sentiment
analysis, which aims at detecting customer's opinion targets from reviews on
product or service. The traditional supervised models can achieve promising
results with annotated datasets, however, the performance dramatically
decreases when they are applied to the task of cross-domain aspect term
extraction. Existing cross-domain transfer learning methods either directly
inject linguistic features into Language models, making it difficult to
transfer linguistic knowledge to target domain, or rely on the fixed predefined
prompts, which is time-consuming to construct the prompts over all potential
aspect term spans. To resolve the limitations, we propose a soft prompt-based
joint learning method for cross domain aspect term extraction in this paper.
Specifically, by incorporating external linguistic features, the proposed
method learn domain-invariant representations between source and target domains
via multiple objectives, which bridges the gap between domains with varied
distributions of aspect terms. Further, the proposed method interpolates a set
of transferable soft prompts consisted of multiple learnable vectors that are
beneficial to detect aspect terms in target domain. Extensive experiments are
conducted on the benchmark datasets and the experimental results demonstrate
the effectiveness of the proposed method for cross-domain aspect terms
extraction.
- Abstract(参考訳): 製品やサービスのレビューから顧客の意見対象を検出することを目的とした,微粒な感情分析の基本的な課題である。
従来の教師付きモデルは注釈付きデータセットで有望な結果が得られるが、ドメイン間アスペクト項抽出のタスクに適用された場合、性能は劇的に低下する。
既存のドメイン間移動学習手法は言語モデルに直接言語的特徴を注入し、言語的知識を対象のドメインに伝達することが困難になるか、あるいは固定された事前定義されたプロンプトに依存するかのいずれかである。
本論文では,これらの制約を解決するために,クロスドメインアスペクト項抽出のためのソフトプロンプトベースの共同学習手法を提案する。
具体的には、外部言語的特徴を取り入れることで、複数の目的を通じてソースとターゲットドメイン間のドメイン不変表現を学習し、アスペクト項の分布の異なるドメイン間のギャップを橋渡しする。
さらに,提案手法は,複数の学習可能なベクトルからなる移動可能なソフトプロンプトの集合を補間し,対象領域のアスペクト項を検出するのに有用である。
ベンチマークデータセットを用いて大規模な実験を行い,提案手法の有効性を実証した。
関連論文リスト
- Domain Prompt Learning with Quaternion Networks [49.45309818782329]
本稿では、ドメイン固有の基礎モデルからドメイン固有の知識を活用して、ビジョン言語モデルの堅牢な認識能力を特定ドメインに転送することを提案する。
本稿では、階層型言語プロンプト特徴とドメイン固有の視覚特徴との間のモーダル関係を解析することにより、視覚プロンプト特徴を生成する階層型アプローチを提案する。
提案手法は,即時学習のための新しい最先端結果を実現する。
論文 参考訳(メタデータ) (2023-12-12T08:49:39Z) - Prompting Diffusion Representations for Cross-Domain Semantic
Segmentation [101.04326113360342]
拡散事前学習は、セマンティックセグメンテーションのための並外れた領域一般化結果を達成する。
本研究では,シーンプロンプトとプロンプトランダム化戦略を導入し,セグメンテーションヘッドを訓練する際に,ドメイン不変情報をさらに混乱させる。
論文 参考訳(メタデータ) (2023-07-05T09:28:25Z) - Guiding Computational Stance Detection with Expanded Stance Triangle
Framework [25.2980607215715]
スタンス検出は、テキストの著者が指定されたターゲットに対して有利か、反対か、中立かを決定する。
本稿では,言語的観点からスタンス検出タスクを分解し,このタスクにおける重要な構成要素と推論経路について検討する。
論文 参考訳(メタデータ) (2023-05-31T13:33:29Z) - Self-training through Classifier Disagreement for Cross-Domain Opinion
Target Extraction [62.41511766918932]
オピニオンターゲット抽出(OTE)またはアスペクト抽出(AE)は意見マイニングの基本的な課題である。
最近の研究は、現実世界のシナリオでよく見られるクロスドメインのOTEに焦点を当てている。
そこで本稿では,ドメイン固有の教師と学生のネットワークから出力されるモデルが未学習のターゲットデータと一致しない対象サンプルを選択するためのSSLアプローチを提案する。
論文 参考訳(メタデータ) (2023-02-28T16:31:17Z) - CLIP the Gap: A Single Domain Generalization Approach for Object
Detection [60.20931827772482]
単一ドメインの一般化(Single Domain Generalization)は、単一のソースドメイン上でモデルをトレーニングすることで、目に見えないターゲットドメインに一般化する問題に取り組む。
本稿では、事前学習された視覚言語モデルを用いて、テキストプロンプトを介して意味領域の概念を導入することを提案する。
本手法は,検出器のバックボーンから抽出した特徴に作用する意味的拡張戦略と,テキストに基づく分類損失によって実現される。
論文 参考訳(メタデータ) (2023-01-13T12:01:18Z) - Mere Contrastive Learning for Cross-Domain Sentiment Analysis [23.350121129347556]
クロスドメイン感情分析は、ソースドメインでトレーニングされたモデルを使用して、ターゲットドメイン内のテキストの感情を予測することを目的としている。
従来の研究はほとんどがクロスエントロピーに基づく手法であり、不安定性や一般化の低さに悩まされていた。
我々は,同じクラスからの文表現を閉じるように,バッチ内の負のサンプルを付加した改良されたコントラスト目的を提案する。
論文 参考訳(メタデータ) (2022-08-18T07:25:55Z) - AFAN: Augmented Feature Alignment Network for Cross-Domain Object
Detection [90.18752912204778]
オブジェクト検出のための教師なしドメイン適応は、多くの現実世界のアプリケーションにおいて難しい問題である。
本稿では、中間領域画像生成とドメイン・アドバイザリー・トレーニングを統合した新しい機能アライメント・ネットワーク(AFAN)を提案する。
提案手法は、類似および異種ドメイン適応の双方において、標準ベンチマークにおける最先端の手法よりも大幅に優れている。
論文 参考訳(メタデータ) (2021-06-10T05:01:20Z) - Meta-Learning for Domain Generalization in Semantic Parsing [124.32975734073949]
セマンティック解析のためにゼロショットドメインをターゲットにしたメタラーニングフレームワークを使用する。
ゼロショット解析の仮想トレインと非結合領域からのテストセットをシミュレートするモデル非依存のトレーニングアルゴリズムを適用した。
論文 参考訳(メタデータ) (2020-10-22T19:00:36Z) - Towards Adaptive Semantic Segmentation by Progressive Feature Refinement [16.40758125170239]
セグメンテーションネットワークの転送可能性を高めるために,ドメイン逆学習とともに,革新的なプログレッシブな特徴改善フレームワークを提案する。
その結果、ソース・ドメイン・イメージで訓練されたセグメンテーション・モデルは、大幅な性能劣化を伴わずにターゲット・ドメインに転送できる。
論文 参考訳(メタデータ) (2020-09-30T04:17:48Z) - Unsupervised Cross-domain Image Classification by Distance Metric Guided
Feature Alignment [11.74643883335152]
教師なしドメイン適応は、ソースドメインからターゲットドメインに知識を転送する有望な道である。
本稿では,距離メトリックガイド機能アライメント(MetFA)を提案する。
我々のモデルは、クラス分布アライメントを統合して、ソースドメインからターゲットドメインにセマンティック知識を転送します。
論文 参考訳(メタデータ) (2020-08-19T13:36:57Z)
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。