Fugu-MT 論文翻訳(概要): Dual-Attention Model for Aspect-Level Sentiment Classification

論文の概要: Dual-Attention Model for Aspect-Level Sentiment Classification

arxiv url: http://arxiv.org/abs/2303.07689v1
Date: Tue, 14 Mar 2023 08:04:38 GMT
ステータス: 処理完了
システム内更新日: 2023-03-15 15:58:05.180192
Title: Dual-Attention Model for Aspect-Level Sentiment Classification
Title（参考訳）: アスペクトレベル感性分類のためのデュアルアテンションモデル
Authors: Mengfei Ye
Abstract要約: アスペクトレベルの感情分類のための新しいデュアルアテンションモデル(DAM)を提案する。提案手法を,SemEval 2014のノートパソコンとレストランの3つのデータセットで評価した。
参考スコア（独自算出の注目度）: 0.0
License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
Abstract: I propose a novel dual-attention model(DAM) for aspect-level sentiment classification. Many methods have been proposed, such as support vector machines for artificial design features, long short-term memory networks based on attention mechanisms, and graph neural networks based on dependency parsing. While these methods all have decent performance, I think they all miss one important piece of syntactic information: dependency labels. Based on this idea, this paper proposes a model using dependency labels for the attention mechanism to do this task. We evaluate the proposed approach on three datasets: laptop and restaurant are from SemEval 2014, and the last one is a twitter dataset. Experimental results show that the dual attention model has good performance on all three datasets.
Abstract（参考訳）: アスペクトレベルの感情分類のための新しいデュアルアテンションモデル(DAM)を提案する。人工設計のためのベクトルマシンのサポート、注意機構に基づく長期記憶ネットワーク、依存解析に基づくグラフニューラルネットワークなど、多くの手法が提案されている。これらのメソッドはすべてまともなパフォーマンスですが、すべて重要な構文情報である依存性ラベルを見逃していると思います。そこで本研究では,この課題に対する注意機構として依存性ラベルを用いたモデルを提案する。提案手法を3つのデータセットで評価した。ラップトップとレストランはsemeval 2014のもので、最後の1つはtwitterデータセットである。実験結果から,2重注意モデルは3つのデータセットに対して良好な性能を示した。

関連論文リスト

Synergistic Signals: Exploiting Co-Engagement and Semantic Links via Graph Neural Networks [4.261438296177923]
この問題をNetflixのコンテキストレコメンデータシステムで研究する。本稿では,SemanticGNNと呼ばれるグラフベースの新しいアプローチを提案する。 1)グラフ内の関係型の不均衡分布を処理するための新しい関係認識型注目グラフニューラルネットワーク(GNN)を開発し,(2)数百万のノードと数十億のエッジを持つWebスケールグラフデータを処理するために,分散グラフトレーニングパラダイムを開発した。
論文参考訳（メタデータ） (2023-12-07T06:29:26Z)
Automating Style Analysis and Visualization With Explainable AI -- Case Studies on Brand Recognition [0.4297070083645048]
本稿では,ブランド関連機能の発見を完全に自動化するAI駆動手法を提案する。提案手法では,ベクトルグラフィックスの分類と解析を行う2層ブランド識別グラフニューラルネットワーク(GNN)BIGNetを導入する。最初のケーススタディでは、BIGNetは電話ブランドを分類するだけでなく、複数のスケールでブランド関連の機能をキャプチャする。
論文参考訳（メタデータ） (2023-06-05T16:38:11Z)
You Only Need One Thing One Click: Self-Training for Weakly Supervised 3D Scene Understanding [107.06117227661204]
私たちはOne Thing One Click''を提案する。つまり、アノテーションはオブジェクトごとに1つのポイントをラベル付けするだけです。グラフ伝搬モジュールによって促進されるトレーニングとラベル伝搬を反復的に行う。我々のモデルは、ポイントクラスタリング戦略を備えた3Dインスタンスセグメンテーションと互換性がある。
論文参考訳（メタデータ） (2023-03-26T13:57:00Z)
Unified Visual Relationship Detection with Vision and Language Models [89.77838890788638]
この研究は、複数のデータセットからラベル空間の結合を予測する単一の視覚的関係検出器のトレーニングに焦点を当てている。視覚と言語モデルを活用した統合視覚関係検出のための新しいボトムアップ手法UniVRDを提案する。人物体間相互作用検出とシーングラフ生成の双方による実験結果から,本モデルの競合性能が示された。
論文参考訳（メタデータ） (2023-03-16T00:06:28Z)
Interacting Hand-Object Pose Estimation via Dense Mutual Attention [97.26400229871888]
3Dハンドオブジェクトのポーズ推定は多くのコンピュータビジョンアプリケーションの成功の鍵となる。本研究では,手と物体間の微粒な依存関係をモデル化できる新しい相互注意機構を提案する。提案手法は,高品質かつリアルタイムな推論速度で,物理的に妥当なポーズを生成できる。
論文参考訳（メタデータ） (2022-11-16T10:01:33Z)
Online Deep Learning based on Auto-Encoder [4.128388784932455]
オートエンコーダ(ODLAE)に基づく2段階オンライン深層学習を提案する。復元損失を考慮した自動エンコーダを用いて,インスタンスの階層的潜在表現を抽出する。我々は,各隠れ層の分類結果を融合して得られる出力レベル融合戦略と,隠れ層の出力を融合させる自己保持機構を利用した特徴レベル融合戦略の2つの融合戦略を考案した。
論文参考訳（メタデータ） (2022-01-19T02:14:57Z)
Pack Together: Entity and Relation Extraction with Levitated Marker [61.232174424421025]
エンコーダにマーカを戦略的にパッケージ化することにより,スパン(ペア)間の依存関係を検討するために,Packed Levitated Markersという新しいスパン表現手法を提案する。実験の結果,3つの平坦なNERタスクにおいて,有望なマーカーが充填されたモデルの方がシーケンスラベルモデルよりも0.4%-1.9%優れ,トークンコンキャットモデルを6つのNERベンチマークで上回っていることがわかった。
論文参考訳（メタデータ） (2021-09-13T15:38:13Z)
One Thing One Click: A Self-Training Approach for Weakly Supervised 3D Semantic Segmentation [78.36781565047656]
私たちは、アノテーションーがオブジェクトごとに1ポイントだけラベルを付ける必要があることを意味する「One Thing One Click」を提案します。グラフ伝搬モジュールによって促進されるトレーニングとラベル伝搬を反復的に行う。私たちの結果は、完全に監督されたものと同等です。
論文参考訳（メタデータ） (2021-04-06T02:27:25Z)
SA-Det3D: Self-Attention Based Context-Aware 3D Object Detection [9.924083358178239]
本稿では,3次元物体検出におけるコンテキストモデリングのための2種類の自己注意法を提案する。まず,現状のbev,voxel,ポイントベース検出器にペアワイズ自着機構を組み込む。次に,ランダムにサンプリングされた位置の変形を学習することにより,最も代表的な特徴のサブセットをサンプリングするセルフアテンション変種を提案する。
論文参考訳（メタデータ） (2021-01-07T18:30:32Z)
PC-RGNN: Point Cloud Completion and Graph Neural Network for 3D Object Detection [57.49788100647103]
LiDARベースの3Dオブジェクト検出は、自動運転にとって重要なタスクです。現在のアプローチでは、遠方および閉ざされた物体の偏りと部分的な点雲に苦しむ。本稿では,この課題を2つの解決法で解決する新しい二段階アプローチ,pc-rgnnを提案する。
論文参考訳（メタデータ） (2020-12-18T18:06:43Z)
Multi-Label Text Classification using Attention-based Graph Neural Network [0.0]
ラベル間の注意的依存構造を捉えるために,グラフアテンションネットワークに基づくモデルを提案する。提案モデルでは, 従来の最先端モデルと比較して, 類似あるいは良好な性能が得られた。
論文参考訳（メタデータ） (2020-03-22T17:12:43Z)

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。