論文の概要: A Systematic Review of Aspect-based Sentiment Analysis (ABSA): Domains, Methods, and Trends

• arxiv url: http://arxiv.org/abs/2311.10777v3
• Date: Sun, 3 Dec 2023 05:50:36 GMT
• ステータス: 処理完了
• システム内更新日: 2023-12-05 21:25:54.716374
• Title: A Systematic Review of Aspect-based Sentiment Analysis (ABSA): Domains, Methods, and Trends
• Title（参考訳）: アスペクトベース感覚分析(ABSA)の体系的レビュー : 領域,方法,動向
• Authors: Yan Cathy Hua, Paul Denny, Katerina Taskova, J\"org Wicker
• Abstract要約: Aspect-based Sentiment Analysis (ABSA)は、微粒な感情分析の一種である。 ABSAの研究は言語学、統計学、機械学習のアプローチを採用している。 その性質上、ABSAはドメインに依存しており、リソースとアプリケーションドメイン間のミスアライメントの影響に敏感である。
• 参考スコア（独自算出の注目度）: 2.014577508582391
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Aspect-based Sentiment Analysis (ABSA) is a type of fine-grained sentiment analysis (SA) that identifies aspects and the associated opinions from a given text. In the digital era, ABSA gained increasing popularity and applications in mining opinionated text data to obtain insights and support decisions. ABSA research employs linguistic, statistical, and machine-learning approaches and utilises resources such as labelled datasets, aspect and sentiment lexicons and ontology. By its nature, ABSA is domain-dependent and can be sensitive to the impact of misalignment between the resource and application domains. However, to our knowledge, this topic has not been explored by the existing ABSA literature reviews. In this paper, we present a Systematic Literature Review (SLR) of ABSA studies with a focus on the research application domain, dataset domain, and the research methods to examine their relationships and identify trends over time. Our results suggest a number of potential systemic issues in the ABSA research literature, including the predominance of the ``product/service review'' dataset domain among the majority of studies that did not have a specific research application domain, coupled with the prevalence of dataset-reliant methods such as supervised machine learning. This review makes a number of unique contributions to the ABSA research field: 1) To our knowledge, it is the first SLR that links the research domain, dataset domain, and research method through a systematic perspective; 2) it is one of the largest scoped SLR on ABSA, with 519 eligible studies filtered from 4191 search results without time constraint; and 3) our review methodology adopted an innovative automatic filtering process based on PDF-mining, which enhanced screening quality and reliability. Suggestions and our review limitations are also discussed.
• Abstract（参考訳）: アスペクトベース感情分析(Aspect-based Sentiment Analysis、ABSA)は、特定のテキストからアスペクトと関連する意見を識別する、きめ細かい感情分析(SA)の一種である。 デジタル時代に入ると、ABSAは洞察と支援決定を得るために世論的なテキストデータのマイニングに人気を博し、応用した。 ABSAの研究は言語、統計、機械学習のアプローチを採用し、ラベル付きデータセット、アスペクト、感情のレキシコン、オントロジーなどのリソースを利用する。 本質的にABSAはドメインに依存しており、リソースとアプリケーションドメイン間のミスアライメントの影響に敏感である。 しかし、我々の知る限り、この話題は既存のABSA文献レビューでは検討されていない。 本稿では,研究アプリケーションドメイン,データセットドメイン,研究手法に着目したabsa研究の体系的文献レビュー(slr)を行い,それらの関係を調べ,経時的傾向を同定する。 本研究は,特定の研究アプリケーションドメインを持たない研究の大部分において,‘製品/サービスレビュー’データセットドメインの優位性や,教師付き機械学習などのデータセット・レジリエントな手法の普及など,ABSA研究文献における潜在的なシステム的問題について示唆する。 このレビューはABSAの研究分野に多くのユニークな貢献をしている。 1) 本知識は, 研究領域, データセット領域, 研究方法を体系的な視点で関連付けた最初のslrである。 2)ABSAにおける最大範囲のSLRの1つであり、時間制約のない4191の検索結果から519の適格な研究をフィルタリングする。 3) 評価手法は, スクリーニング品質と信頼性を高めるpdfマイニングに基づく革新的な自動フィルタリング手法を採用した。 提案とレビューの制限についても論じた。

関連論文リスト

• Aspect-Based Sentiment Analysis Techniques: A Comparative Study [2.0813232115705618]
  Aspect-based Sentiment Analysis (ABSA) は人工知能(AI)の進歩に支えられている 本研究では、2つのベンチマークデータセット(Restaurant14とLaptop-14)でABSAのディープNN手法を比較した。 FAST LSA は 87.6% と 82.6% の精度で最高の結果を得るが、それぞれ 90.33% と 86.21% の精度で LSA+DeBERTa を通過しない。
  論文  参考訳（メタデータ） (2024-07-03T06:21:07Z)
• ROAST: Review-level Opinion Aspect Sentiment Target Joint Detection for ABSA [50.90538760832107]
  本研究は新たな課題であるROAST(Review-Level Opinion Aspect Sentiment Target)を提示する。 ROASTは、文章レベルのABSAとテキストレベルのABSAのギャップを埋めようとしている。 利用可能なデータセットを拡張してROASTを有効にし、以前の研究で指摘された欠点に対処します。
  論文  参考訳（メタデータ） (2024-05-30T17:29:15Z)
• OATS: Opinion Aspect Target Sentiment Quadruple Extraction Dataset for Aspect-Based Sentiment Analysis [55.61047894397937]
  アスペクトベースの感情分析(ABSA)は、ユーザ生成レビュー内の異なる要素に特有の感情を理解する。 OATSデータセットは3つの新しいドメインを包含し,27,470の文レベルと17,092のレビューレベルから構成される。 私たちのイニシアチブは、レストランやラップトップのようなよく知られたドメイン、複雑な四重項抽出タスクのための限られたデータ、時には文とレビューレベルの感情の相乗効果の監視といった、特定の観察されたギャップを埋めることを目指しています。
  論文  参考訳（メタデータ） (2023-09-23T07:39:16Z)
• MEMD-ABSA: A Multi-Element Multi-Domain Dataset for Aspect-Based Sentiment Analysis [23.959356414518957]
  5つの領域にまたがる4つの要素をカバーする大規模マルチ要素マルチドメインデータセット(MEMD)を提案する。 複数のABSAサブタスクにおける生成的および非生成的ベースラインをオープンドメイン設定下で評価した。
  論文  参考訳（メタデータ） (2023-06-29T14:03:49Z)
• Survey of Aspect-based Sentiment Analysis Datasets [55.61047894397937]
  アスペクトベースの感情分析(ABSA)は、ユーザ生成レビューの分析を必要とする自然言語処理の問題である。 ABSAの多くの散在したコーパスは、研究者が特定のABSAサブタスクに適したコーパスを素早く特定することを困難にしている。 本研究では,自律型ABSAシステムの学習・評価に使用できるコーパスデータベースを提案する。
  論文  参考訳（メタデータ） (2022-04-11T16:23:36Z)
• A Survey on Aspect-Based Sentiment Analysis: Tasks, Methods, and Challenges [58.97831696674075]
  ABSAは、側面レベルで人々の意見を分析し、理解することを目的としている。 我々は、感情要素の軸から既存の研究を組織するABSAの新しい分類法を提供する。 ABSAの事前学習言語モデルの利用状況を要約し、ABSAの性能を新たな段階に向上させた。
  論文  参考訳（メタデータ） (2022-03-02T12:01:46Z)
• 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)
• 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 Comprehensive Survey on Aspect Based Sentiment Analysis [0.0]
  ABSAは、一般的な感情分析よりも、文脈に関するより多くの情報を提供することが知られている。 本調査では, 様々な解を詳細に論じ, 比較を行った。
  論文  参考訳（メタデータ） (2020-06-08T14:07:58Z)

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。