論文の概要: Aspect-Based Sentiment Analysis for Open-Ended HR Survey Responses

• arxiv url: http://arxiv.org/abs/2402.04812v1
• Date: Wed, 7 Feb 2024 13:01:43 GMT
• ステータス: 処理完了
• システム内更新日: 2024-02-08 15:26:27.891892
• Title: Aspect-Based Sentiment Analysis for Open-Ended HR Survey Responses
• Title（参考訳）: オープンエンディングHRサーベイ応答に対するアスペクトベース感度解析
• Authors: Lois Rink and Job Meijdam and David Graus
• Abstract要約: 本稿では、従業員満足度調査におけるオランダのオープンエンド応答のアスペクトベース感情分析(ABSA)に対する機械学習アプローチを提案する。 ドメインの専門家が検証する6つの重要な側面(サービス、スケジュール、連絡先、コミュニケーション、個人的注意、合意)を特定します。 我々の研究は、アスペクトベースの感情分析にオランダ語事前学習言語モデルの最初の成功例を示すことによって、ABSAの分野に大きく貢献している。
• 参考スコア（独自算出の注目度）: 0.8287206589886879
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Understanding preferences, opinions, and sentiment of the workforce is paramount for effective employee lifecycle management. Open-ended survey responses serve as a valuable source of information. This paper proposes a machine learning approach for aspect-based sentiment analysis (ABSA) of Dutch open-ended responses in employee satisfaction surveys. Our approach aims to overcome the inherent noise and variability in these responses, enabling a comprehensive analysis of sentiments that can support employee lifecycle management. Through response clustering we identify six key aspects (salary, schedule, contact, communication, personal attention, agreements), which we validate by domain experts. We compile a dataset of 1,458 Dutch survey responses, revealing label imbalance in aspects and sentiments. We propose few-shot approaches for ABSA based on Dutch BERT models, and compare them against bag-of-words and zero-shot baselines. Our work significantly contributes to the field of ABSA by demonstrating the first successful application of Dutch pre-trained language models to aspect-based sentiment analysis in the domain of human resources (HR).
• Abstract（参考訳）: 従業員の選好、意見、感情を理解することは、効果的な従業員ライフサイクル管理にとって最重要である。 オープンな調査回答は、貴重な情報源として役立ちます。 本稿では、従業員満足度調査におけるオランダのオープンエンド応答のアスペクトベース感情分析(ABSA)に対する機械学習アプローチを提案する。 当社のアプローチは,これらの応答に固有のノイズや変動を克服し,従業員のライフサイクル管理を支援する感情を包括的に分析することを目的としています。 レスポンスクラスタリングを通じて、ドメインの専門家が検証する6つの重要な側面(サリー、スケジュール、コンタクト、コミュニケーション、個人的注意、合意)を特定します。 オランダの調査回答1458件のデータセットをコンパイルし、側面と感情のラベルの不均衡を明らかにする。 本稿では,オランダのBERTモデルに基づくABSAに対して,バッグ・オブ・ワードやゼロショットベースラインと比較する。 我々の研究は、人的資源(HR)分野におけるアスペクトベースの感情分析にオランダ語事前学習言語モデルの最初の成功例を示すことによって、ABSAの分野に大きく貢献している。

関連論文リスト

• Single Ground Truth Is Not Enough: Add Linguistic Variability to Aspect-based Sentiment Analysis Evaluation [41.66053021998106]
  アスペクトベース感情分析(ABSA)は、人間の言語から感情を抽出する上で困難な課題である。 このタスクの現在の評価手法は、表面形が異なる意味論的に等価な予測をペナルティ化して、単一の真実に対する答えを制限することが多い。 我々は、アスペクトと意見の項に対して、代替の有効なレスポンスで既存のテストセットを拡張する、新しく完全に自動化されたパイプラインを提案する。
  論文  参考訳（メタデータ） (2024-10-13T11:48:09Z)
• 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)
• UniSA: Unified Generative Framework for Sentiment Analysis [48.78262926516856]
  感情分析は、人々の感情状態を理解し、マルチモーダル情報に基づいて感情カテゴリーを予測することを目的としている。 会話における感情認識(ERC)、アスペクトベース感情分析(ABSA)、マルチモーダル感情分析(MSA)など、いくつかのサブタスクから構成される。
  論文  参考訳（メタデータ） (2023-09-04T03:49:30Z)
• Retrieval Enhanced Data Augmentation for Question Answering on Privacy Policies [74.01792675564218]
  本研究では,ラベルのないポリシー文書から関連するテキストセグメントを抽出する検索モデルに基づくデータ拡張フレームワークを開発する。 拡張データの多様性と品質を改善するために,複数の事前学習言語モデル(LM)を活用し,ノイズ低減フィルタモデルでそれらをカスケードする。 PrivacyQAベンチマークの強化データを使用して、既存のベースラインを大きなマージン(10% F1)に高め、新しい最先端のF1スコアを50%達成します。
  論文  参考訳（メタデータ） (2022-04-19T15:45:23Z)
• 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)
• PGCD: a position-guied contributive distribution unit for aspect based sentiment analysis [3.3205853660267635]
  位置ガイド型貢献分布(PGCD)ユニットを提案する。 位置依存型コントリビューションパターンを実現し、ABSAタスクのアスペクト関連ステートメント特徴を生成する。
  論文  参考訳（メタデータ） (2021-08-11T08:43:13Z)
• Exploiting BERT to improve aspect-based sentiment analysis performance on Persian language [0.0]
  本研究では,事前学習したBERTモデルを用いて,ABSAタスクにおける文ペア入力を活用する可能性を示す。 その結果,Pars-BERT事前学習モデルと自然言語推論助文(NLI-M)を用いることで,ABSAタスクの精度が91%向上することが示唆された。
  論文  参考訳（メタデータ） (2020-12-02T16:47:20Z)
• 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)
• 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)
• 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。