論文の概要: USA: Universal Sentiment Analysis Model & Construction of Japanese Sentiment Text Classification and Part of Speech Dataset

• arxiv url: http://arxiv.org/abs/2309.03787v2
• Date: Thu, 14 Sep 2023 05:53:45 GMT
• ステータス: 処理完了
• システム内更新日: 2023-09-15 18:10:33.833588
• Title: USA: Universal Sentiment Analysis Model & Construction of Japanese Sentiment Text Classification and Part of Speech Dataset
• Title（参考訳）: USA: ユニバーサル感性分析モデルと日本語感性テキスト分類の構築と音声データセットの一部
• Authors: Chengguang Gan, Qinghao Zhang, Tatsunori Mori
• Abstract要約: 本稿では,個々の単語と全体テキスト間の相互強化効果(MRE)を活用することで,性能の向上を提案する。 本研究を支援するために,4つの新しい感性テキスト分類と音声の一部(SCPOS)データセットをアノテートした。 さらに,7ビリオンのパラメータサイズを持つユニバーサル・センチメント・アナリティクス(USA)モデルを開発した。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Sentiment analysis is a pivotal task in the domain of natural language processing. It encompasses both text-level sentiment polarity classification and word-level Part of Speech(POS) sentiment polarity determination. Such analysis challenges models to understand text holistically while also extracting nuanced information. With the rise of Large Language Models(LLMs), new avenues for sentiment analysis have opened. This paper proposes enhancing performance by leveraging the Mutual Reinforcement Effect(MRE) between individual words and the overall text. It delves into how word polarity influences the overarching sentiment of a passage. To support our research, we annotated four novel Sentiment Text Classification and Part of Speech(SCPOS) datasets, building upon existing sentiment classification datasets. Furthermore, we developed a Universal Sentiment Analysis(USA) model, with a 7-billion parameter size. Experimental results revealed that our model surpassed the performance of gpt-3.5-turbo across all four datasets, underscoring the significance of MRE in sentiment analysis.
• Abstract（参考訳）: 感性分析は自然言語処理の領域において重要な課題である。 テキストレベルの感情極性分類と単語レベルの音声(POS)の感情極性決定の両方を包含する。 このような分析は、曖昧な情報を抽出しながら、テキストを水平に理解するモデルに挑戦する。 大規模言語モデル(llm)の台頭に伴い、感情分析のための新しい道が開かれた。 本稿では,個々の単語とテキスト全体の相互強化効果(MRE)を活用することで,パフォーマンスの向上を提案する。 言葉の極性が通路の全体的感情にどのように影響するかを掘り下げる。 本研究を支援するために,既存の感情分類データセットに基づいて,4つの新しい感性テキスト分類と音声の一部(SCPOS)データセットを注釈付けした。 さらに,7ビリオンのパラメータサイズを持つユニバーサル感性分析(USA)モデルを開発した。 実験結果から, 感情分析におけるMREの重要性を実証し, gpt-3.5-turboの性能を4つのデータセットすべてで上回った。

関連論文リスト

• 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)
• DiaASQ : A Benchmark of Conversational Aspect-based Sentiment Quadruple Analysis [84.80347062834517]
  本稿では,対話における目標視差感の4倍を検出することを目的としたDiaASQを紹介する。 中国語と英語の両方で大規模なDiaASQデータセットを手作業で構築する。 我々は、タスクをベンチマークするニューラルネットワークを開発し、エンドツーエンドの4倍の予測を効果的に実行する。
  論文  参考訳（メタデータ） (2022-11-10T17:18:20Z)
• Aspect Sentiment Quad Prediction as Paraphrase Generation [53.33072918744124]
  Aspect Sentiment Quad Prediction (ASQP)タスクを導入し、与えられた意見文に対するクワッド内のすべての感情要素を共同で検出することを目的とした。 本稿では,ASQP タスクをパラフレーズ生成プロセスにキャストする新しいtextscParaphrase モデリングパラダイムを提案する。 一方、感情要素のセマンティクスは、自然言語形式でそれらを生成する学習によって完全に活用することができる。
  論文  参考訳（メタデータ） (2021-10-02T12:57:27Z)
• Dialog speech sentiment classification for imbalanced datasets [7.84604505907019]
  本稿では,短対話発話の単一・二モーダル分析を用い,感情検出に寄与する主な要因について考察する。 本稿では、学習率スケジューラと異なる監視基準を用いて、SWITCHBOARDの不均衡感情データセットの最先端結果を提供するアーキテクチャを提案する。
  論文  参考訳（メタデータ） (2021-09-15T11:43:04Z)
• Structured Sentiment Analysis as Dependency Graph Parsing [5.174808367448261]
  我々は、この区分が非生産的になり、状況を改善するための新しい統一された枠組みを提案する。 我々は、構造化された感情問題を依存グラフ解析として、ノードは感情保持者、ターゲット、表現の領域であり、弧はそれらの関係であると考えた。
  論文  参考訳（メタデータ） (2021-05-30T11:19:46Z)
• 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)
• BiERU: Bidirectional Emotional Recurrent Unit for Conversational Sentiment Analysis [18.1320976106637]
  会話感情分析と単文感情分析の主な違いは、文脈情報の存在である。 既存のアプローチでは、会話内の異なるパーティを区別し、コンテキスト情報をモデル化するために複雑なディープラーニング構造を採用している。 本稿では,会話感情分析のための双方向感情的反復単位という,高速でコンパクトでパラメータ効率のよい非依存フレームワークを提案する。
  論文  参考訳（メタデータ） (2020-05-31T11:13:13Z)
• Survey on Visual Sentiment Analysis [87.20223213370004]
  本稿では、関連する出版物をレビューし、視覚知覚分析の分野の概要を概観する。 また,3つの視点から一般的な視覚知覚分析システムの設計原理について述べる。 様々なレベルの粒度と、異なる方法でイメージに対する感情に影響を与えるコンポーネントを考慮し、問題の定式化について論じる。
  論文  参考訳（メタデータ） (2020-04-24T10:15:22Z)
• Sentiment Analysis with Contextual Embeddings and Self-Attention [3.0079490585515343]
  自然言語では、単語や句の意図された意味はしばしば暗黙的であり、文脈に依存する。 本稿では,文脈埋め込みと自己認識機構を用いた感情分析の簡易かつ効果的な手法を提案する。 形態学的にリッチなポーランド語とドイツ語を含む3つの言語の実験結果から、我々のモデルは最先端のモデルに匹敵するか、さらに優れています。
  論文  参考訳（メタデータ） (2020-03-12T02:19:51Z)
• A Deep Neural Framework for Contextual Affect Detection [51.378225388679425]
  感情を持たない短い単純なテキストは、その文脈と共に読むときに強い感情を表現することができる。 文中の単語の相互依存を学習する文脈影響検出フレームワークを提案する。
  論文  参考訳（メタデータ） (2020-01-28T05:03:15Z)

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。