論文の概要: Exploiting Contextual Target Attributes for Target Sentiment
Classification
- arxiv url: http://arxiv.org/abs/2312.13766v1
- Date: Thu, 21 Dec 2023 11:45:28 GMT
- ステータス: 処理完了
- システム内更新日: 2023-12-22 15:03:45.624139
- Title: Exploiting Contextual Target Attributes for Target Sentiment
Classification
- Title（参考訳）: 目標知覚分類のための文脈目標属性の抽出
- Authors: Bowen Xing and Ivor W. Tsang
- Abstract要約: TSCの既存のPTLMベースモデルは、1)PTLMをコンテキストエンコーダとして採用した微調整ベースモデル、2)テキスト/単語生成タスクに分類タスクを転送するプロンプトベースモデル、の2つのグループに分類される。
我々は,PTLM を TSC に活用する新たな視点として,言語モデリングと文脈的ターゲット属性による明示的ターゲットコンテキスト相互作用の利点を同時に活用する。
- 参考スコア（独自算出の注目度）: 53.30511968323911
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Existing PTLM-based models for TSC can be categorized into two groups: 1)
fine-tuning-based models that adopt PTLM as the context encoder; 2)
prompting-based models that transfer the classification task to the text/word
generation task. In this paper, we present a new perspective of leveraging PTLM
for TSC: simultaneously leveraging the merits of both language modeling and
explicit target-context interactions via contextual target attributes.
Specifically, we design the domain- and target-constrained cloze test, which
can leverage the PTLMs' strong language modeling ability to generate the given
target's attributes pertaining to the review context. The attributes contain
the background and property information of the target, which can help to enrich
the semantics of the review context and the target. To exploit the attributes
for tackling TSC, we first construct a heterogeneous information graph by
treating the attributes as nodes and combining them with (1) the syntax graph
automatically produced by the off-the-shelf dependency parser and (2) the
semantics graph of the review context, which is derived from the self-attention
mechanism. Then we propose a heterogeneous information gated graph
convolutional network to model the interactions among the attribute
information, the syntactic information, and the contextual information. The
experimental results on three benchmark datasets demonstrate the superiority of
our model, which achieves new state-of-the-art performance.
- Abstract（参考訳）: 既存のptlmベースのtscモデルは2つのグループに分類できる。
1) PTLMをコンテキストエンコーダとして採用する微調整モデル
2) 分類タスクをテキスト/単語生成タスクに転送するプロンプトベースのモデル。
本稿では,PTLM を TSC に活用する新たな視点として,言語モデリングと文脈的ターゲット属性による明示的ターゲットコンテキスト相互作用の利点を同時に活用する。
具体的には、PTLMの強力な言語モデリング能力を利用して、レビューコンテキストに関連する対象の属性を生成するドメインおよびターゲット制約付きクローゼテストの設計を行う。
属性にはターゲットの背景情報とプロパティ情報が含まれており、レビューコンテキストとターゲットのセマンティクスを強化するのに役立ちます。
tscに取り組むための属性を利用するために、まず、属性をノードとして扱い、(1)オフ・ザ・セット・依存性・パーサによって自動生成される構文グラフと、(2)自己アテンション機構から派生したレビューコンテキストのセマンティクスグラフとを組み合わせることにより、異種情報グラフを構築する。
次に,属性情報,構文情報,文脈情報間の相互作用をモデル化する異種情報ゲートグラフ畳み込みネットワークを提案する。
3つのベンチマークデータセットの実験結果から,新たな最先端性能を実現するモデルの有効性が示された。
関連論文リスト
- CASA: Class-Agnostic Shared Attributes in Vision-Language Models for Efficient Incremental Object Detection [30.46562066023117]
本稿では,視覚言語基礎モデルの属性をインクリメンタルオブジェクト検出に活用する手法を提案する。
本手法は,クラス非依存の共有属性ベース(CASA)を構築し,インクリメンタルクラス間の共通意味情報をキャプチャする。
提案手法はパラメータ効率の微調整によりパラメータ記憶に0.7%しか加えず,拡張性と適応性を大幅に向上させる。
論文 参考訳（メタデータ） (2024-10-08T08:36:12Z) - Language Models are Graph Learners [70.14063765424012]
言語モデル(LM)は、グラフニューラルネットワーク(GNN)やグラフトランスフォーマー(GT)など、ドメイン固有のモデルの優位性に挑戦している。
本稿では,ノード分類タスクにおける最先端のGNNに匹敵する性能を実現するために,既製のLMを有効活用する手法を提案する。
論文 参考訳（メタデータ） (2024-10-03T08:27:54Z) - Deep Content Understanding Toward Entity and Aspect Target Sentiment Analysis on Foundation Models [0.8602553195689513]
Entity-Aspect Sentiment Triplet extract (EASTE)は、Aspect-Based Sentiment Analysisタスクである。
本研究は,EASTEタスクにおける高性能化を目標とし,モデルサイズ,タイプ,適応技術がタスクパフォーマンスに与える影響について検討する。
最終的には、複雑な感情分析における詳細な洞察と最先端の成果を提供する。
論文 参考訳（メタデータ） (2024-07-04T16:48:14Z) - Unleashing the Potential of Text-attributed Graphs: Automatic Relation Decomposition via Large Language Models [31.443478448031886]
RoSE (Relation-oriented Semantic Edge-Decomposition) は、生のテキスト属性を分析してグラフ構造を分解する新しいフレームワークである。
我々のフレームワークは、さまざまなデータセットのノード分類性能を大幅に向上させ、ウィスコンシンデータセットでは最大16%の改善を実現した。
論文 参考訳（メタデータ） (2024-05-28T20:54:47Z) - Weakly-supervised Contrastive Learning for Unsupervised Object Discovery [52.696041556640516]
ジェネリックな方法でオブジェクトを発見できるため、教師なしのオブジェクト発見は有望である。
画像から高レベルな意味的特徴を抽出する意味誘導型自己教師学習モデルを設計する。
オブジェクト領域のローカライズのための主成分分析(PCA)を導入する。
論文 参考訳（メタデータ） (2023-07-07T04:03:48Z) - OvarNet: Towards Open-vocabulary Object Attribute Recognition [42.90477523238336]
CLIP-Attrと呼ばれるオープンボキャブラリオブジェクトの検出と属性分類に有効な2段階のアプローチを提案する。
候補オブジェクトは最初、オフラインのRPNで提案され、後にセマンティックなカテゴリと属性に分類される。
視覚的シーン理解において,意味カテゴリーと属性の認識が相補的であることを示す。
論文 参考訳（メタデータ） (2023-01-23T15:59:29Z) - Compositional Generalization in Grounded Language Learning via Induced
Model Sparsity [81.38804205212425]
グリッド環境における単純な言語条件のナビゲーション問題について考察する。
本研究では,オブジェクトの指示文と属性のスパース相関を助長するエージェントを設計し,それらを組み合わせて目的を導出する。
我々のエージェントは、少数のデモンストレーションから学習した場合でも、新しいプロパティの組み合わせを含む目標に対して高いレベルのパフォーマンスを維持している。
論文 参考訳（メタデータ） (2022-07-06T08:46:27Z) - 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) - Context-LGM: Leveraging Object-Context Relation for Context-Aware Object
Recognition [48.5398871460388]
本稿では,オブジェクト・コンテキスト関係を階層的にモデル化する新しいコンテキスト潜在生成モデル(Contextual Latent Generative Model,Context-LGM)を提案する。
文脈的特徴を推定するために、変数自動エンコーダ(VAE)の目的関数を再構成し、対象物に対する後続条件付き分布として文脈的特徴を学習する。
本手法の有効性は,2つのコンテキスト認識オブジェクト認識タスクにおける最先端性能によって検証される。
論文 参考訳（メタデータ） (2021-10-08T11:31:58Z) - Target Adaptive Context Aggregation for Video Scene Graph Generation [36.669700084337045]
本稿では,映像シーングラフ生成(VidSGG)の課題を扱う。
複雑な低レベルエンティティ追跡から関係予測のためのコンテキストモデリングを分離することにより,この課題に対する新しい Em 検出-追跡パラダイムを提案する。
論文 参考訳（メタデータ） (2021-08-18T12:46:28Z)
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。