論文の概要: Aspect-Based Sentiment Analysis with Explicit Sentiment Augmentations

• arxiv url: http://arxiv.org/abs/2312.10961v1
• Date: Mon, 18 Dec 2023 06:31:13 GMT
• ステータス: 処理完了
• システム内更新日: 2023-12-20 21:03:13.087648
• Title: Aspect-Based Sentiment Analysis with Explicit Sentiment Augmentations
• Title（参考訳）: 明示的な感情増進を伴うアスペクトベース感情分析
• Authors: Jihong Ouyang, Zhiyao Yang, Silong Liang, Bing Wang, Yimeng Wang, Ximing Li
• Abstract要約: 暗黙の感情はABSAデータセットに広く存在する。 明示的な感情増強を統合したABSA法を提案する。 ABSA-ESAをABSAの最も人気のあるベンチマークの2つでテストする。
• 参考スコア（独自算出の注目度）: 24.44428585727117
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Aspect-based sentiment analysis (ABSA), a fine-grained sentiment classification task, has received much attention recently. Many works investigate sentiment information through opinion words, such as ''good'' and ''bad''. However, implicit sentiment widely exists in the ABSA dataset, which refers to the sentence containing no distinct opinion words but still expresses sentiment to the aspect term. To deal with implicit sentiment, this paper proposes an ABSA method that integrates explicit sentiment augmentations. And we propose an ABSA-specific augmentation method to create such augmentations. Specifically, we post-trains T5 by rule-based data. We employ Syntax Distance Weighting and Unlikelihood Contrastive Regularization in the training procedure to guide the model to generate an explicit sentiment. Meanwhile, we utilize the Constrained Beam Search to ensure the augmentation sentence contains the aspect terms. We test ABSA-ESA on two of the most popular benchmarks of ABSA. The results show that ABSA-ESA outperforms the SOTA baselines on implicit and explicit sentiment accuracy.
• Abstract（参考訳）: 近年,微粒な感情分類タスクであるアスペクトベース感情分析(ABSA)が注目されている。 「良い」や「悪い」といった意見の言葉で感情情報を調査する作品が多い。 しかし、absaデータセットには暗黙的な感情が広く存在し、明確な意見の言葉は含まないが、アスペクト用語に対する感情を表現する文を指す。 暗黙の感情に対処するために,明示的な感情増強を組み込んだABSA法を提案する。 そこで本研究では,ABSA固有の拡張手法を提案する。 具体的には、ルールベースのデータでT5をトレーニングします。 訓練手順では,構文的距離重み付けと非自明な対比正規化を用い,モデルに明示的な感情を生成するよう指導する。 一方,制約付きビーム探索を用いて,増補文がアスペクト項を含むことを保証する。 ABSA-ESAをABSAの最も人気のあるベンチマークの2つでテストする。 その結果、ABSA-ESAは、暗黙的および明示的な感情精度に基づいてSOTAのベースラインを上回ります。

関連論文リスト

• PanoSent: A Panoptic Sextuple Extraction Benchmark for Multimodal Conversational Aspect-based Sentiment Analysis [74.41260927676747]
  本稿では,マルチモーダル対話感分析(ABSA)を導入することでギャップを埋める。 タスクをベンチマークするために、手動と自動の両方で注釈付けされたデータセットであるPanoSentを構築し、高品質、大規模、マルチモーダル、マルチ言語主義、マルチシナリオを特徴とし、暗黙の感情要素と明示的な感情要素の両方をカバーする。 課題を効果的に解決するために,新しい多モーダルな大規模言語モデル(すなわちSentica)とパラフレーズベースの検証機構とともに,新しい感覚の連鎖推論フレームワークを考案した。
  論文  参考訳（メタデータ） (2024-08-18T13:51:01Z)
• 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)
• BERT-ASC: Auxiliary-Sentence Construction for Implicit Aspect Learning in Sentiment Analysis [4.522719296659495]
  本稿ではアスペクト分類とアスペクトベース感情サブタスクに対処する統合フレームワークを提案する。 コーパスのセマンティック情報を用いて暗黙的側面のための補助文を構築する機構を導入する。 次に、BERTはアスペクト自体ではなく、この補助文に応答してアスペクト固有の表現を学ぶことを推奨する。
  論文  参考訳（メタデータ） (2022-03-22T13:12:27Z)
• 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)
• Zero-Shot Aspect-Based Sentiment Analysis [19.367516271270446]
  本稿では,新たなドメインに対して注釈付きデータを用いることなく,ゼロショットABSAを実現する統一モデルを訓練することを目的とする。 我々は、アスペクト抽出(AE)、アスペクト感情分類(ASC)、エンドツーエンドのアスペクトベース感情分析(E2E ABSA)など、ABSAタスク上でのCORNを評価する。
  論文  参考訳（メタデータ） (2022-02-04T00:51:46Z)
• Enhanced Aspect-Based Sentiment Analysis Models with Progressive Self-supervised Attention Learning [103.0064298630794]
  アスペクトベース感情分析(absa)では、多くのニューラルモデルに感情予測に対する各文脈単語の寄与を定量化するための注意機構が備わっている。 注目ABSAモデルに対する自己監督型注意学習の進歩的アプローチを提案する。 提案手法を3つの最先端の神経ABSAモデルに統合する。
  論文  参考訳（メタデータ） (2021-03-05T02:50:05Z)
• Understanding Pre-trained BERT for Aspect-based Sentiment Analysis [71.40586258509394]
  本稿では、アスペクトベース感情分析(ABSA)におけるタスクに対するBERTのレビューから得られた事前学習された隠れ表現について分析する。 アスペクトや意見のアノテーションなしでラベル付けされていないコーパスでトレーニングされた(マスクされた)言語モデルの一般的なプロキシタスクが、ABSAの下流タスクにどのように重要な機能を提供するかは明らかではない。
  論文  参考訳（メタデータ） (2020-10-31T02:21:43Z)
• A Position Aware Decay Weighted Network for Aspect based Sentiment Analysis [3.1473798197405944]
  ABSAでは、テキストはそれぞれの側面に応じて複数の感情を持つことができる。 ATSAの既存のアプローチのほとんどは、異なるサブネットワークを通してアスペクト情報を取り入れている。 本稿では,その側面の位置情報を活用するモデルを提案する。
  論文  参考訳（メタデータ） (2020-05-03T09:22:03Z)

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。