論文の概要: Stars Are All You Need: A Distantly Supervised Pyramid Network for
Unified Sentiment Analysis
- arxiv url: http://arxiv.org/abs/2305.01710v2
- Date: Thu, 1 Feb 2024 17:57:37 GMT
- ステータス: 処理完了
- システム内更新日: 2024-02-02 19:48:40.369234
- Title: Stars Are All You Need: A Distantly Supervised Pyramid Network for
Unified Sentiment Analysis
- Title(参考訳): 星がすべて必要なもの:統合されたセンチメント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, Shuang Zheng, Lei Wang, John P. Lalor
- Abstract要約: 本研究では,一様感性分析(Uni-SA)を提案する。
具体的には、DSPN(Distantly Supervised Pyramid Network)を提案し、トレーニングのためにRPラベルのみを使用して、ACD、ACSA、RPを効率的に実行する。
- 参考スコア(独自算出の注目度): 4.937249288727759
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Data for the Rating Prediction (RP) sentiment analysis task such as star
reviews are readily available. However, data for aspect-category detection
(ACD) and aspect-category sentiment analysis (ACSA) is often desired because of
the fine-grained nature but are expensive to collect. In this work, we propose
Unified Sentiment Analysis (Uni-SA) to understand aspect and review sentiment
in a unified manner. Specifically, we propose a Distantly Supervised Pyramid
Network (DSPN) to efficiently perform ACD, ACSA, and RP using only RP labels
for training. We evaluate DSPN on multi-aspect review datasets in English and
Chinese and find that in addition to the internal efficiency of sample size,
DSPN also performs 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 unified sentiment analysis.
- Abstract(参考訳): 星のレビューなど,レーティング予測(RP)の感情分析タスクのデータも手軽に入手できる。
しかし, アスペクトカテゴリ検出(ACD)とアスペクトカテゴリ感情分析(ACSA)のデータは, 微細な性質のためしばしば望まれるが, 収集に費用がかかる。
本稿では,アスペクトを理解し,感情を統一的にレビューするために,統一感情分析(uni-sa)を提案する。
具体的には, rpラベルのみを用いてacd, acsa, rpを効率的に行うための, 遠隔教師付きピラミッドネットワーク (dspn) を提案する。
dspnを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で評価した結果,サンプルサイズの内部効率に加えて,様々なベンチマークモデルとの互換性も高いことがわかった。
また,DSPNのアウトプットの解釈可能性を示すとともに,統合された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
- 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) - Auto-ABSA: Automatic Detection of Aspects in Aspect-Based Sentiment
Analysis [2.6944907189507323]
本研究では,感情予測を支援するために,文に含まれる側面を補助文として用いた手法を提案する。
1つ目はアスペクト検出であり、文が持つすべてのアスペクトを予測するためにマルチアスペクト検出モデルを使用する。
2つ目は、ドメイン外アスペクトベースの感情分析(ABSA)、ある種類のデータセットで感情分類モデルをトレーニングし、別の種類のデータセットでそれを検証することである。
論文 参考訳(メタデータ) (2022-01-05T04:23:29Z) - 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。