論文の概要: A Novel Counterfactual Data Augmentation Method for Aspect-Based Sentiment Analysis

• arxiv url: http://arxiv.org/abs/2306.11260v3
• Date: Sat, 7 Oct 2023 02:23:14 GMT
• ステータス: 処理完了
• システム内更新日: 2023-10-13 08:38:41.090457
• Title: A Novel Counterfactual Data Augmentation Method for Aspect-Based Sentiment Analysis
• Title（参考訳）: アスペクトベース感情分析のための新しい反事実データ拡張法
• Authors: Dongming Wu, Lulu Wen, Chao Chen, Zhaoshu Shi
• Abstract要約: 本稿では,逆の感情極性を持つ意見表現を生成するための,新しい簡易な反実データ拡張手法を提案する。 実験の結果,提案手法は3つのABSAデータセット上での現在の拡張手法よりも優れた性能を示した。
• 参考スコア（独自算出の注目度）: 7.921043998643318
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Aspect-based-sentiment-analysis (ABSA) is a fine-grained sentiment evaluation task, which analyzes the emotional polarity of the evaluation aspects. Generally, the emotional polarity of an aspect exists in the corresponding opinion expression, whose diversity has great impact on model's performance. To mitigate this problem, we propose a novel and simple counterfactual data augmentation method to generate opinion expressions with reversed sentiment polarity. In particular, the integrated gradients are calculated to locate and mask the opinion expression. Then, a prompt combined with the reverse expression polarity is added to the original text, and a Pre-trained language model (PLM), T5, is finally was employed to predict the masks. The experimental results shows the proposed counterfactual data augmentation method performs better than current augmentation methods on three ABSA datasets, i.e. Laptop, Restaurant, and MAMS.
• Abstract（参考訳）: Aspect-based-sentiment-analysis (ABSA)は、評価面の感情極性を分析する微粒な感情評価タスクである。 一般に、アスペクトの感情的な極性は、モデルの性能に大きな影響を与える、対応する意見表現の中に存在する。 この問題を軽減するために,逆の感情極性を持つ意見表現を生成するための,新規で単純な反実データ拡張手法を提案する。 特に、統合勾配を計算して、意見表現の検索とマスキングを行う。 そして、元のテキストに逆表現極性と組み合わされたプロンプトを付加し、最終的に、前訓練言語モデル(PLM:Pre-trained Language Model)T5を用いてマスクを予測する。 実験の結果,提案手法は3つのABSAデータセット,すなわちラップトップ,レストラン,MAMSにおいて,現在の拡張手法よりも優れた結果が得られた。

関連論文リスト

• Iterative Data Augmentation with Large Language Models for Aspect-based Sentiment Analysis [82.98490089763175]
  Aspect-based Sentiment Analysis (ABSA) は重要な感情分析課題であり、ある文の側面に対する感情の極性を決定することを目的としている。 ラベル付きデータが高価で制限されているため、データ拡張(DA)がABSAの性能向上の標準となっている。 本稿では,ABSAの性能向上を図るため,IterDという体系的反復データ拡張フレームワークを提案する。
  論文  参考訳（メタデータ） (2024-06-29T07:00:37Z)
• Let's Rectify Step by Step: Improving Aspect-based Sentiment Analysis with Diffusion Models [36.482634643246264]
  本稿では,段階的に段階的にアスペクトを抽出するABSAに適した新しい拡散モデルを提案する。 DiffusionABSAは、トレーニングプロセスにおけるアスペクト用語に徐々にノイズを加え、その後、これらの用語を徐々に逆の方法で復元する認知プロセスを学ぶ。 境界を推定するために,構文認識型時間的注意機構によって強化された認知ニューラルネットワークを設計する。
  論文  参考訳（メタデータ） (2024-02-23T12:35:43Z)
• Exploiting Adaptive Contextual Masking for Aspect-Based Sentiment Analysis [0.6827423171182154]
  アスペクトベース知覚分析(Aspect-Based Sentiment Analysis、ABSA)は、与えられたテキストから多面的側面、意見、感情を抽出する問題である。 本稿では,ABSAのアスペクト・ターム抽出・アスペクト・センティメント・サブタスクを支援するために,コンテキストに基づく無関係なトークンを除去する適応マスキング手法を提案する。
  論文  参考訳（メタデータ） (2024-02-21T11:33:09Z)
• On the Robustness of Aspect-based Sentiment Analysis: Rethinking Model, Data, and Training [109.9218185711916]
  アスペクトベースの感情分析(ABSA)は、ソーシャルメディアのテキストやレビューの背後にある製品やサービスの特定の側面に対して、特定の感情の極性を自動的に推測することを目的としている。 我々は、モデル、データ、トレーニングを含むあらゆる可能な角度からボトルネックを体系的に再考することで、ABSAの堅牢性を高めることを提案する。
  論文  参考訳（メタデータ） (2023-04-19T11:07:43Z)
• A Contrastive Cross-Channel Data Augmentation Framework for Aspect-based Sentiment Analysis [91.83895509731144]
  本稿では,感情分析の多面的課題を軽減するための新しいトレーニングフレームワークを提案する。 ソース文は、ドメイン固有のジェネレータに入力され、いくつかの合成文を取得する。 生成装置はアスペクト特化文と極性増強(PAC)を生成し、極性反転文を生成する。 我々のフレームワークは、精度とマクロF1よりも約1%向上することなく、これらのベースラインを上回ります。
  論文  参考訳（メタデータ） (2022-04-16T16:05:58Z)
• Incorporating Dynamic Semantics into Pre-Trained Language Model for Aspect-based Sentiment Analysis [67.41078214475341]
  ABSAの動的アスペクト指向セマンティクスを学ぶために,DR-BERT(Dynamic Re-weighting BERT)を提案する。 具体的には、まずStack-BERT層を主エンコーダとして、文の全体的な意味を理解する。 次に、軽量な動的再重み付けアダプタ(DRA)を導入して微調整する。
  論文  参考訳（メタデータ） (2022-03-30T14:48:46Z)
• Data Augmentation in a Hybrid Approach for Aspect-Based Sentiment Analysis [1.469597968606607]
  アスペクトベース感情分析(HAABSA)のための最先端ハイブリッドアプローチにおけるデータ拡張の効果について検討する。 簡単なデータ拡張(EDA)、逆翻訳、単語混合の修正版を適用します。 最良の結果は、調整されたedaのバージョンで得られ、semeval 2016データセットでは0.5ポイント改善され、semeval 2015データセットでは1ポイント向上する。
  論文  参考訳（メタデータ） (2021-03-29T19:43:15Z)
• 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)
• A Revised Generative Evaluation of Visual Dialogue [80.17353102854405]
  本稿では,VisDialデータセットの改訂評価手法を提案する。 モデルが生成した回答と関連する回答の集合のコンセンサスを測定する。 DenseVisDialとして改訂された評価スキームのこれらのセットとコードをリリースする。
  論文  参考訳（メタデータ） (2020-04-20T13:26:45Z)

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。