論文の概要: Knowledge Graph Enhanced Aspect-Level Sentiment Analysis
- arxiv url: http://arxiv.org/abs/2312.10048v3
- Date: Sat, 27 Jan 2024 00:09:23 GMT
- ステータス: 処理完了
- システム内更新日: 2024-01-30 20:58:13.882139
- Title: Knowledge Graph Enhanced Aspect-Level Sentiment Analysis
- Title(参考訳): 知識グラフによるアスペクトレベル感性分析
- Authors: Kavita Sharma, Ritu Patel, Sunita Iyer
- Abstract要約: 本稿では,文脈固有の単語の意味の課題に対処し,感情分析を強化する手法を提案する。
BERTモデルの利点と知識グラフに基づく同義データを組み合わせる。
特定の側面に関連付けられた感情を分類するために、この手法は位置データを統合するメモリバンクを構築する。
データはDCGRUを用いて分析され、特定のアスペクト項に関連する感情特性をピンポイントする。
- 参考スコア(独自算出の注目度): 1.342834401139078
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: In this paper, we propose a novel method to enhance sentiment analysis by
addressing the challenge of context-specific word meanings. It combines the
advantages of a BERT model with a knowledge graph based synonym data. This
synergy leverages a dynamic attention mechanism to develop a knowledge-driven
state vector. For classifying sentiments linked to specific aspects, the
approach constructs a memory bank integrating positional data. The data are
then analyzed using a DCGRU to pinpoint sentiment characteristics related to
specific aspect terms. Experiments on three widely used datasets demonstrate
the superior performance of our method in sentiment classification.
- Abstract(参考訳): 本稿では,文脈固有の単語意味の課題に対処し,感情分析を強化する新しい手法を提案する。
BERTモデルの利点と知識グラフに基づく同義データを組み合わせる。
このシナジーは動的注意機構を利用して知識駆動状態ベクトルを開発する。
特定の側面に関連する感情を分類するために、この手法は位置データを統合するメモリバンクを構築する。
データはDCGRUを用いて分析され、特定のアスペクト項に関連する感情特性をピンポイントする。
3つの広く使われているデータセットに対する実験は、感情分類における手法の優れた性能を示す。
関連論文リスト
- Learning Intrinsic Dimension via Information Bottleneck for Explainable
Aspect-based Sentiment Analysis [30.16902652669842]
Aspect-based Sentiment Analysis (ABSA) のためのInformation Bottleneck-based Gradient (texttIBG) の説明フレームワークを提案する。
我々のフレームワークは,単語の埋め込みを簡潔な内在次元に洗練し,本質的な特徴を維持し,無関係な情報を省略する。
感傷的特徴を識別することで、モデルの性能と解釈可能性の両方を大幅に改善する。
論文 参考訳(メタデータ) (2024-02-28T08:11:05Z) - A semantically enhanced dual encoder for aspect sentiment triplet
extraction [0.7291396653006809]
アスペクト・センチメント・トリプルト抽出(ASTE)はアスペクト・ベースの感情分析(ABSA)の重要なサブタスクである
従来の研究は、革新的なテーブル充填戦略によるASTEの強化に重点を置いてきた。
本稿では,BERTをベースとした基本エンコーダと,Bi-LSTMネットワークとGCN(Graph Convolutional Network)で構成される特定のエンコーダの両方を利用するフレームワークを提案する。
ベンチマークデータセットを用いた実験により,提案フレームワークの最先端性能を実証した。
論文 参考訳(メタデータ) (2023-06-14T09:04:14Z) - An Empirical Investigation of Commonsense Self-Supervision with
Knowledge Graphs [67.23285413610243]
大規模知識グラフから抽出した情報に基づく自己監督は、言語モデルの一般化を改善することが示されている。
本研究では,言語モデルに適用可能な合成データを生成するための知識サンプリング戦略とサイズの影響について検討する。
論文 参考訳(メタデータ) (2022-05-21T19:49:04Z) - Graph Adaptive Semantic Transfer for Cross-domain Sentiment
Classification [68.06496970320595]
クロスドメイン感情分類(CDSC)は、ソースドメインから学んだ伝達可能なセマンティクスを使用して、ラベルなしのターゲットドメインにおけるレビューの感情を予測することを目的としている。
本稿では、単語列と構文グラフの両方からドメイン不変セマンティクスを学習できる適応型構文グラフ埋め込み法であるグラフ適応意味伝達(GAST)モデルを提案する。
論文 参考訳(メタデータ) (2022-05-18T07:47:01Z) - Knowledge Graph Augmented Network Towards Multiview Representation
Learning for Aspect-based Sentiment Analysis [96.53859361560505]
本稿では,知識グラフ拡張ネットワーク(KGAN)を提案する。
KGANは感情の特徴表現を、文脈、構文、知識に基づく複数の視点から捉えている。
3つの人気のあるABSAベンチマークの実験は、我々のKGANの有効性と堅牢性を示している。
論文 参考訳(メタデータ) (2022-01-13T08:25:53Z) - 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) - GINet: Graph Interaction Network for Scene Parsing [58.394591509215005]
画像領域に対する文脈推論を促進するために,グラフインタラクションユニット(GIユニット)とセマンティックコンテキストロス(SC-loss)を提案する。
提案されたGINetは、Pascal-ContextやCOCO Stuffなど、一般的なベンチマークにおける最先端のアプローチよりも優れている。
論文 参考訳(メタデータ) (2020-09-14T02:52:45Z) - A Hybrid Approach for Aspect-Based Sentiment Analysis Using Deep
Contextual Word Embeddings and Hierarchical Attention [4.742874328556818]
我々は、アスペクトベース感性分析(HAABSA)のための最先端のハイブリッドアプローチを2方向に拡張する。
まず、テキスト中の単語の意味をよりよく扱うために、文脈的でない単語埋め込みを文脈的でない単語埋め込みに置き換える。
次に、HAABSA高レベル表現に付加的な注意層を追加することにより、入力データのモデリングにおけるメソッドの柔軟性を向上させる。
論文 参考訳(メタデータ) (2020-04-18T17:54:55Z) - A Dependency Syntactic Knowledge Augmented Interactive Architecture for
End-to-End Aspect-based Sentiment Analysis [73.74885246830611]
エンドツーエンドABSAのためのマルチタスク学習を用いた対話型アーキテクチャを新たに提案する。
このモデルは、よく設計された依存性関係埋め込みグラフ畳み込みネットワーク(DreGcn)を活用することで、構文知識(依存性関係と型)を完全に活用することができる。
3つのベンチマークデータセットの大規模な実験結果から,本手法の有効性が示された。
論文 参考訳(メタデータ) (2020-04-04T14:59:32Z) - Aspect Term Extraction using Graph-based Semi-Supervised Learning [1.0499611180329804]
本稿では,アスペクト項抽出のためのグラフに基づく半教師付き学習手法を提案する。
レビュー文書内の識別されたトークンはすべて、ラベル付きトークンの小さなセットからアスペクトまたは非アスペクトの用語に分類される。
提案手法は, 認識されたアスペクト項に関連付けられた意見語の極性を決定するために, さらに拡張された。
論文 参考訳(メタデータ) (2020-02-20T13:11:02Z)
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。