論文の概要: Entity-Level Sentiment Analysis (ELSA): An exploratory task survey
- arxiv url: http://arxiv.org/abs/2304.14241v1
- Date: Thu, 27 Apr 2023 15:01:20 GMT
- ステータス: 処理完了
- システム内更新日: 2023-04-28 12:59:29.618377
- Title: Entity-Level Sentiment Analysis (ELSA): An exploratory task survey
- Title（参考訳）: Entity-Level Sentiment Analysis (ELSA):探索的タスクサーベイ
- Authors: Egil R{\o}nningstad and Erik Velldal and Lilja {\O}vrelid
- Abstract要約: 本稿は、文書中の自発的な実体に対して表される全体的感情を識別するタスクについて考察する。
我々のデータセットの感情は、対象として言及されるエンティティだけでなく、自発的なエンティティと感情関連のあるターゲットにも表現されている。
- 参考スコア（独自算出の注目度）: 2.191505742658975
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: This paper explores the task of identifying the overall sentiment expressed
towards volitional entities (persons and organizations) in a document -- what
we refer to as Entity-Level Sentiment Analysis (ELSA). While identifying
sentiment conveyed towards an entity is well researched for shorter texts like
tweets, we find little to no research on this specific task for longer texts
with multiple mentions and opinions towards the same entity. This lack of
research would be understandable if ELSA can be derived from existing tasks and
models. To assess this, we annotate a set of professional reviews for their
overall sentiment towards each volitional entity in the text. We sample from
data already annotated for document-level, sentence-level, and target-level
sentiment in a multi-domain review corpus, and our results indicate that there
is no single proxy task that provides this overall sentiment we seek for the
entities at a satisfactory level of performance. We present a suite of
experiments aiming to assess the contribution towards ELSA provided by
document-, sentence-, and target-level sentiment analysis, and provide a
discussion of their shortcomings. We show that sentiment in our dataset is
expressed not only with an entity mention as target, but also towards targets
with a sentiment-relevant relation to a volitional entity. In our data, these
relations extend beyond anaphoric coreference resolution, and our findings call
for further research of the topic. Finally, we also present a survey of
previous relevant work.
- Abstract（参考訳）: 本稿では、自発的な実体(個人や組織)に対して表現される全体的な感情を文書の中で識別するタスクについて検討する。
あるエンティティに伝達される感情を特定することは、ツイートのような短いテキストに対してよく研究されているが、同じエンティティに対して複数の言及や意見を持つ長いテキストに対して、この特定のタスクについてはほとんど研究されていない。
この研究の欠如は、ELSAが既存のタスクやモデルから派生できるなら理解できるだろう。
これを評価するために、テキスト内の各自発的なエンティティに対する全体的な感情に対する専門家レビューのセットを注釈付けする。
我々は,複数ドメインのレビューコーパスにおいて,文書レベル,文レベル,ターゲットレベルの感情に対してすでに注釈が付されたデータをサンプリングし,この全体的な感情を提供する単一のプロキシタスクが存在しないことを示す。
本稿では,文書,文,目標レベルの感情分析によるELSAへの貢献を評価するための一連の実験を行い,その問題点について考察する。
我々のデータセットの感情は、対象として言及されるエンティティだけでなく、自発的なエンティティと感情関連のあるターゲットにも表現されている。
私たちのデータでは、これらの関係はアナフォリックなコリファレンスの解決を超えて広がり、このトピックのさらなる研究が求められています。
最後に,先行研究に関する調査も実施する。
関連論文リスト
- Entity-Level Sentiment: More than the Sum of Its Parts [13.829487868948686]
文レベルでの感情の算術的アグリゲーションとは,エンティティに対する読者の知覚的感情がしばしば異なることを示す。
我々のデータセットは、長いテキストでエンティティ固有の感情の複雑さを明らかにします。
論文 参考訳（メタデータ） (2024-07-04T13:21:07Z) - ROAST: Review-level Opinion Aspect Sentiment Target Joint Detection for ABSA [50.90538760832107]
本研究は新たな課題であるROAST(Review-Level Opinion Aspect Sentiment Target)を提示する。
ROASTは、文章レベルのABSAとテキストレベルのABSAのギャップを埋めようとしている。
利用可能なデータセットを拡張してROASTを有効にし、以前の研究で指摘された欠点に対処します。
論文 参考訳（メタデータ） (2024-05-30T17:29:15Z) - SOUL: Towards Sentiment and Opinion Understanding of Language [96.74878032417054]
我々は、言語感覚とオピニオン理解(SOUL)と呼ばれる新しいタスクを提案する。
SOULは2つのサブタスクを通して感情理解を評価することを目的としている:レビュー(RC)と正当化生成(JG)。
論文 参考訳（メタデータ） (2023-10-27T06:48:48Z) - OATS: Opinion Aspect Target Sentiment Quadruple Extraction Dataset for
Aspect-Based Sentiment Analysis [55.61047894397937]
アスペクトベースの感情分析(ABSA)は、ユーザ生成レビュー内の異なる要素に特有の感情を理解する。
OATSデータセットは3つの新しいドメインを包含し,27,470の文レベルと17,092のレビューレベルから構成される。
私たちのイニシアチブは、レストランやラップトップのようなよく知られたドメイン、複雑な四重項抽出タスクのための限られたデータ、時には文とレビューレベルの感情の相乗効果の監視といった、特定の観察されたギャップを埋めることを目指しています。
論文 参考訳（メタデータ） (2023-09-23T07:39:16Z) - Sentiment Analysis in the Era of Large Language Models: A Reality Check [69.97942065617664]
本稿では,大規模言語モデル(LLM)の様々な感情分析タスクの実行能力について検討する。
26のデータセット上の13のタスクのパフォーマンスを評価し、ドメイン固有のデータセットに基づいて訓練された小言語モデル(SLM)と比較した。
論文 参考訳（メタデータ） (2023-05-24T10:45:25Z) - Survey of Aspect-based Sentiment Analysis Datasets [55.61047894397937]
アスペクトベースの感情分析(ABSA)は、ユーザ生成レビューの分析を必要とする自然言語処理の問題である。
ABSAの多くの散在したコーパスは、研究者が特定のABSAサブタスクに適したコーパスを素早く特定することを困難にしている。
本研究では,自律型ABSAシステムの学習・評価に使用できるコーパスデータベースを提案する。
論文 参考訳（メタデータ） (2022-04-11T16:23:36Z) - A Survey on Aspect-Based Sentiment Analysis: Tasks, Methods, and
Challenges [58.97831696674075]
ABSAは、側面レベルで人々の意見を分析し、理解することを目的としている。
我々は、感情要素の軸から既存の研究を組織するABSAの新しい分類法を提供する。
ABSAの事前学習言語モデルの利用状況を要約し、ABSAの性能を新たな段階に向上させた。
論文 参考訳（メタデータ） (2022-03-02T12:01:46Z) - Exploring Conditional Text Generation for Aspect-Based Sentiment
Analysis [28.766801337922306]
アスペクトベース感情分析(Aspect-based sentiment analysis、ABSA)は、ユーザ生成レビューを処理して評価対象を決定するNLPタスクである。
本稿では,ABSAを抽象的な要約型条件文生成タスクに変換し,目的,側面,極性を用いて補助文を生成することを提案する。
論文 参考訳（メタデータ） (2021-10-05T20:08:25Z) - YASO: A New Benchmark for Targeted Sentiment Analysis [12.60266470026856]
YASO - クラウドソースによる新たなTSA評価データセット。
データセットには、映画、ビジネス、製品レビューからの2,215の英語文と、7,415の単語とそれらの感情が含まれている。
分析はアノテーションの信頼性を検証し,収集したデータの特徴について検討する。
論文 参考訳（メタデータ） (2020-12-29T00:25:15Z) - Author's Sentiment Prediction [13.459029439420872]
PerSenTは、ニュース記事の主要なエンティティに対して著者が表現した感情のクラウドソースアノテーションのデータセットである。
データセットには段落レベルの感情アノテーションが含まれており、タスクのよりきめ細かい監視を提供する。
我々はこのデータセットを5.3kの文書と38kの段落で公開し、エンティティの感情分析の課題として3.2kのユニークなエンティティをカバーした。
論文 参考訳（メタデータ） (2020-11-12T00:03:26Z)
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。