論文の概要: A Pairing Enhancement Approach for Aspect Sentiment Triplet Extraction
- arxiv url: http://arxiv.org/abs/2306.10042v1
- Date: Sun, 11 Jun 2023 07:32:10 GMT
- ステータス: 処理完了
- システム内更新日: 2023-06-26 01:50:45.371023
- Title: A Pairing Enhancement Approach for Aspect Sentiment Triplet Extraction
- Title(参考訳): Aspect Sentiment Triplet 抽出のためのペアリング強化手法
- Authors: Fan Yang, Mian Zhang, Gongzhen Hu and Xiabing Zhou
- Abstract要約: Aspect Sentiment Triplet extractは、アスペクト項、意見項、およびそれらの対応する感情極性の三重項をレビューテキストから抽出することを目的としている。
言語の複雑さと一つの文に複数のアスペクト項と意見項が存在するため、現在のモデルはアスペクト項とそれを記述する意見項の関連を混乱させることが多い。
本稿では,三重項抽出モデルにアスペクト対ペアリング知識を注入するために,訓練段階におけるコントラスト学習を取り入れたASTEのペアリング強化手法を提案する。
- 参考スコア(独自算出の注目度): 3.5838781091072143
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Aspect Sentiment Triplet Extraction (ASTE) aims to extract the triplet of an
aspect term, an opinion term, and their corresponding sentiment polarity from
the review texts. Due to the complexity of language and the existence of
multiple aspect terms and opinion terms in a single sentence, current models
often confuse the connections between an aspect term and the opinion term
describing it. To address this issue, we propose a pairing enhancement approach
for ASTE, which incorporates contrastive learning during the training stage to
inject aspect-opinion pairing knowledge into the triplet extraction model.
Experimental results demonstrate that our approach performs well on four ASTE
datasets (i.e., 14lap, 14res, 15res and 16res) compared to several related
classical and state-of-the-art triplet extraction methods. Moreover, ablation
studies conduct an analysis and verify the advantage of contrastive learning
over other pairing enhancement approaches.
- Abstract(参考訳): Aspect Sentiment Triplet extract (ASTE) は、アスペクト項、意見項、およびそれらの対応する感情極性をレビューテキストから抽出することを目的としている。
言語の複雑さと一つの文に複数のアスペクト項と意見項が存在するため、現在のモデルはアスペクト項とそれを記述する意見項の関連を混乱させることが多い。
本稿では,3重項抽出モデルにアスペクト-オピニオンペアリング知識を注入するために,訓練段階におけるコントラスト学習を取り入れたASTEのペアリング強化手法を提案する。
実験の結果,本手法は4つのASTEデータセット(例:14lap,14res,15res,16res)において,古典的および最先端の3重項抽出法と比較して良好な性能を示した。
さらに、アブレーション研究は分析を行い、他のペアリング強化アプローチよりもコントラスト学習の利点を検証する。
関連論文リスト
- Understanding Before Recommendation: Semantic Aspect-Aware Review Exploitation via Large Language Models [53.337728969143086]
レコメンデーションシステムは、クリックやレビューのようなユーザとイテムのインタラクションを利用して表現を学習する。
従来の研究では、様々な側面や意図にまたがるユーザの嗜好をモデル化することで、推奨精度と解釈可能性を改善する。
そこで本研究では,意味的側面と認識的相互作用を明らかにするためのチェーンベースのプロンプト手法を提案する。
論文 参考訳(メタデータ) (2023-12-26T15:44:09Z) - Multimodal Relation Extraction with Cross-Modal Retrieval and Synthesis [89.04041100520881]
本研究は,対象物,文,画像全体に基づいて,テキストおよび視覚的証拠を検索することを提案する。
我々は,オブジェクトレベル,画像レベル,文レベル情報を合成し,同一性と異なるモダリティ間の推論を改善する新しい手法を開発した。
論文 参考訳(メタデータ) (2023-05-25T15:26:13Z) - Span-level Bidirectional Cross-attention Framework for Aspect Sentiment
Triplet Extraction [10.522014946035664]
Aspect Sentiment Triplet extract (ASTE)は、アスペクト項、感情、意見項の三つ子をレビュー文から抽出することを目的とした、新しいきめ細かい感情分析タスクである。
本稿では,ASTEのための双方向双方向多目的フレームワークを提案する。
我々のフレームワークは最先端の手法よりも優れており、マルチトークンエンティティを用いた三重項予測の性能が向上している。
論文 参考訳(メタデータ) (2022-04-27T02:55:43Z) - SAIS: Supervising and Augmenting Intermediate Steps for Document-Level
Relation Extraction [51.27558374091491]
本稿では,関係抽出のための中間ステップ(SAIS)を監督し,拡張することにより,関連コンテキストやエンティティタイプをキャプチャするモデルを明示的に教えることを提案する。
そこで本提案手法は,より効果的な管理を行うため,より優れた品質の関係を抽出するだけでなく,それに対応する証拠をより正確に抽出する。
論文 参考訳(メタデータ) (2021-09-24T17:37:35Z) - D-REX: Dialogue Relation Extraction with Explanations [65.3862263565638]
この研究は、部分的にラベル付けされたデータのみを使用しながら関係が存在することを示す説明を抽出することに焦点を当てている。
本稿では,政策誘導型半教師付きアルゴリズムD-REXを提案する。
約90%の人は、強いBERTに基づく関節関係抽出と説明モデルよりもD-REXの説明を好んでいる。
論文 参考訳(メタデータ) (2021-09-10T22:30:48Z) - Aspect Sentiment Triplet Extraction Using Reinforcement Learning [14.21689018940387]
本稿では、表現された感情の議論として、アスペクトと意見項に関する新しいパラダイムASTE-RLを提案する。
まず、文章で表現された感情に注目し、その感情に対する対象的側面と意見条件を特定します。
このことは、探索とサンプル効率を改善しながら、三重項の成分間の相互相互作用を考慮に入れている。
論文 参考訳(メタデータ) (2021-08-13T07:38:48Z) - PAIR: Leveraging Passage-Centric Similarity Relation for Improving Dense
Passage Retrieval [87.68667887072324]
本稿では,クエリ中心とPAssage中心のsmilarity Relations(PAIR)を併用した新しい手法を提案する。
本稿では,2種類の類似性関係の形式的定式化を導入することにより,3つの主要な技術的貢献を行う。
MSMARCOとNatural Questionsの両方のデータセットにおいて、従来の最先端モデルよりも大幅に優れています。
論文 参考訳(メタデータ) (2021-08-13T02:07:43Z) - A More Fine-Grained Aspect-Sentiment-Opinion Triplet Extraction Task [19.101354902943154]
よりきめ細かいAspect-Sentiment-Opinion Triplet Extraction Taskを紹介します。
ASOTEが抽出した三重項の感情は、アスペクト項と意見項ペアの感情である。
いくつかの一般的なABSAベンチマークに基づいて、ASOTE用の4つのデータセットを構築します。
論文 参考訳(メタデータ) (2021-03-29T00:42:51Z) - First Target and Opinion then Polarity: Enhancing Target-opinion
Correlation for Aspect Sentiment Triplet Extraction [45.82241446769157]
Aspect Sentiment Triplet Extraction(ASTE)は、ターゲットエンティティ、関連する感情極性、および極性を合理化する意見スパンを含む文からトリプレットを抽出することを目的としています。
既存の方法は、目標対の相関関係の構築に短く、異なる感情三重項間の相互干渉を無視する。
シークエンスタギングによるターゲットと意見の相関性を高める新しい二段階法を提案する。
論文 参考訳(メタデータ) (2021-02-17T03:28:17Z) - Position-Aware Tagging for Aspect Sentiment Triplet Extraction [37.76744150888183]
Aspect Sentiment Triplet extract (ASTE) は、対象エンティティのトリプルを抽出するタスクであり、その感情の理由を説明する。
我々の観察では、三重項内の3つの要素は互いに非常に関連しており、このような三重項を抽出するジョイントモデルを構築する動機となっている。
本稿では,三つ子を共同抽出可能な新しい位置認識型タグ付け方式による最初のエンドツーエンドモデルを提案する。
論文 参考訳(メタデータ) (2020-10-06T10:40:34Z) - A Multi-task Learning Framework for Opinion Triplet Extraction [24.983625011760328]
本稿では,意見三重項抽出課題としてのABSAの新たな視点について述べる。
アスペクト項と意見項を協調的に抽出するマルチタスク学習フレームワークを提案する。
提案するフレームワークを,ASBAの4つのSemEvalベンチマークで評価する。
論文 参考訳(メタデータ) (2020-10-04T08:31:54Z)
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。