論文の概要: Stars Are All You Need: A Distantly Supervised Pyramid Network for
Document-Level End-to-End Sentiment Analysis
- arxiv url: http://arxiv.org/abs/2305.01710v1
- Date: Tue, 2 May 2023 18:23:50 GMT
- ステータス: 処理完了
- システム内更新日: 2023-05-04 16:57:09.991368
- Title: Stars Are All You Need: A Distantly Supervised Pyramid Network for
Document-Level End-to-End Sentiment Analysis
- Title(参考訳): 星がすべて必要なもの:ドキュメントレベルからエンドツーエンドの知覚分析のための遠隔監視ピラミッドネットワーク
- Authors: Wenchang Li, Yixing Chen, John P. Lalor
- Abstract要約: 本稿では,オンラインレビューで表現された感情を一元的に理解し,レビューするために,文書レベルのエンドツーエンド感情分析を提案する。
本稿では、アスペクトカテゴリ検出、アスペクトカテゴリ知覚分析、レーティング予測を効率的に行うために、遠隔監視ピラミッドネットワーク(DSPN)を提案する。
我々は、英語と中国語のマルチアスペクトレビューデータセット上でDSPNを評価し、スターレーティングラベルのみを監督することで、DSPNは様々なベンチマークモデルに相容れない性能を発揮できることを見出した。
- 参考スコア(独自算出の注目度): 1.414963791828834
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: In this paper, we propose document-level end-to-end sentiment analysis to
efficiently understand aspect and review sentiment expressed in online reviews
in a unified manner. In particular, we assume that star rating labels are a
"coarse-grained synthesis" of aspect ratings across in the review. We propose a
Distantly Supervised Pyramid Network (DSPN) to efficiently perform
Aspect-Category Detection, Aspect-Category Sentiment Analysis, and Rating
Prediction using only document star rating labels for training. By performing
these three related sentiment subtasks in an end-to-end manner, DSPN can
extract aspects mentioned in the review, identify the corresponding sentiments,
and predict the star rating labels. We evaluate DSPN on multi-aspect review
datasets in English and Chinese and find that with only star rating labels for
supervision, DSPN can perform comparably well to a variety of benchmark models.
We also demonstrate the interpretability of DSPN's outputs on reviews to show
the pyramid structure inherent in document level end-to-end sentiment analysis.
- Abstract(参考訳): 本稿では,オンラインレビューで表現された感情を統一的に理解するための文書レベルのエンドツーエンド感情分析を提案する。
特に、スターレーティングラベルは、レビュー中のアスペクトレーティングの「粗い粒度の合成」であると仮定する。
本研究では,教師付きピラミッドネットワーク (dspn) を提案し, 学習用星評価ラベルのみを用いて, アスペクトカテゴリー検出, アスペクトカテゴリー感情分析, 評価予測を効率的に行う。
これら3つの関連する感情サブタスクをエンドツーエンドに実行することにより、DSPNはレビューで言及されている側面を抽出し、対応する感情を特定し、星の評価ラベルを予測することができる。
dspnを英語と中国語のマルチスペクトルレビューデータセットで評価し,スターレーティングラベルのみを監督することで,さまざまなベンチマークモデルと同等の性能を両立できることを見出した。
また、DSPNの出力をレビューで解釈し、文書レベルのエンドツーエンドの感情分析に固有のピラミッド構造を示す。
関連論文リスト
- Enhanced Coherence-Aware Network with Hierarchical Disentanglement for Aspect-Category Sentiment Analysis [12.024076910894417]
本稿では,ACSAタスクの階層的絡み合い(ECAN)を考慮したコヒーレンス対応ネットワークを提案する。
我々は,コヒーレンス表現に絡み合った複数のカテゴリと感情を効果的に分離し,SOTA(State-of-the-art)のパフォーマンスを実現する。
論文 参考訳(メタデータ) (2024-03-15T11:32:44Z) - FRMT: A Benchmark for Few-Shot Region-Aware Machine Translation [64.9546787488337]
本稿では、Few-shot Region-aware Machine Translationのための新しいデータセットと評価ベンチマークFRMTを提案する。
このデータセットは、英語からポルトガル語と中国語の2つの地域変種へのプロの翻訳で構成されている。
論文 参考訳(メタデータ) (2022-10-01T05:02:04Z) - A Closer Look at Debiased Temporal Sentence Grounding in Videos:
Dataset, Metric, and Approach [53.727460222955266]
テンポラル・センテンス・グラウンディング・イン・ビデオ(TSGV)は、未編集のビデオに自然言語文を埋め込むことを目的としている。
最近の研究では、現在のベンチマークデータセットには明らかなモーメントアノテーションバイアスがあることが判明している。
偏りのあるデータセットによる膨らませ評価を緩和するため、基礎的リコールスコアを割引する新しい評価基準「dR@n,IoU@m」を導入する。
論文 参考訳(メタデータ) (2022-03-10T08:58:18Z) - 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) - Jointly Modeling Aspect and Polarity for Aspect-based Sentiment Analysis
in Persian Reviews [0.0]
本稿では,ACD と ACP のサブタスクに着目し,両問題を同時に解決する。
ペルシアのレビューのデータセットはCinemaTicketのウェブサイトから収集され、14のカテゴリから2200のサンプルが集められた。
サンプルベースおよびラベルベースメトリクスを用いて,収集したデータセットを用いてモデルの評価を行った。
論文 参考訳(メタデータ) (2021-09-16T02:55:12Z) - PGCD: a position-guied contributive distribution unit for aspect based
sentiment analysis [3.3205853660267635]
位置ガイド型貢献分布(PGCD)ユニットを提案する。
位置依存型コントリビューションパターンを実現し、ABSAタスクのアスペクト関連ステートメント特徴を生成する。
論文 参考訳(メタデータ) (2021-08-11T08:43:13Z) - ASAP: A Chinese Review Dataset Towards Aspect Category Sentiment
Analysis and Rating Prediction [13.211725807479686]
アスペクトカテゴリ感情分析(ACSA)とレビューレーティング予測(RP)は、きめ細やかな感情極性を検出するための2つの重要なタスクです。
弊社は、中国の大手オンラインオフライン(O2O)電子商取引プラットフォームから、中国のレストランレビューデータセットtextbfASAPを46,730ドルで提供した。
ACSAとRPの直感的かつ効果的なジョイントモデルを提案します。
論文 参考訳(メタデータ) (2021-03-11T11:00:59Z) - Multi-Aspect Sentiment Analysis with Latent Sentiment-Aspect Attribution [7.289918297809611]
感傷的帰属モジュール(SAAM)と呼ばれる新しいフレームワークを導入する。
このフレームワークは文レベルの埋め込み特徴と文書レベルのアスペクトレーティングスコアのバリエーションの相関を利用して動作する。
ホテルレビューデータセットとビールレビューデータセットの実験では、SAAMは感情分析性能を向上させることが示されている。
論文 参考訳(メタデータ) (2020-12-15T16:34:36Z) - Transformer-based Multi-Aspect Modeling for Multi-Aspect Multi-Sentiment
Analysis [56.893393134328996]
本稿では,複数の側面間の潜在的な関係を抽出し,文中のすべての側面の感情を同時に検出できるトランスフォーマーベースのマルチアスペクトモデリング手法を提案する。
本手法はBERTやRoBERTaといった強力なベースラインと比較して顕著な改善を実現している。
論文 参考訳(メタデータ) (2020-11-01T11:06:31Z) - Understanding Pre-trained BERT for Aspect-based Sentiment Analysis [71.40586258509394]
本稿では、アスペクトベース感情分析(ABSA)におけるタスクに対するBERTのレビューから得られた事前学習された隠れ表現について分析する。
アスペクトや意見のアノテーションなしでラベル付けされていないコーパスでトレーニングされた(マスクされた)言語モデルの一般的なプロキシタスクが、ABSAの下流タスクにどのように重要な機能を提供するかは明らかではない。
論文 参考訳(メタデータ) (2020-10-31T02:21:43Z) - 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)
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。