論文の概要: Enhanced Coherence-Aware Network with Hierarchical Disentanglement for Aspect-Category Sentiment Analysis

• arxiv url: http://arxiv.org/abs/2403.10214v1
• Date: Fri, 15 Mar 2024 11:32:44 GMT
• ステータス: 処理完了
• システム内更新日: 2024-03-18 17:30:38.897664
• Title: Enhanced Coherence-Aware Network with Hierarchical Disentanglement for Aspect-Category Sentiment Analysis
• Title（参考訳）: 階層的絡み合うコヒーレンス・アウェアネットワークによるアスペクト・カテゴリ感覚分析
• Authors: Jin Cui, Fumiyo Fukumoto, Xinfeng Wang, Yoshimi Suzuki, Jiyi Li, Noriko Tomuro, Wanzeng Kong,
• Abstract要約: 本稿では,ACSAタスクの階層的絡み合い(ECAN)を考慮したコヒーレンス対応ネットワークを提案する。 我々は,コヒーレンス表現に絡み合った複数のカテゴリと感情を効果的に分離し,SOTA(State-of-the-art)のパフォーマンスを実現する。
• 参考スコア（独自算出の注目度）: 12.024076910894417
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Aspect-category-based sentiment analysis (ACSA), which aims to identify aspect categories and predict their sentiments has been intensively studied due to its wide range of NLP applications. Most approaches mainly utilize intrasentential features. However, a review often includes multiple different aspect categories, and some of them do not explicitly appear in the review. Even in a sentence, there is more than one aspect category with its sentiments, and they are entangled intra-sentence, which makes the model fail to discriminately preserve all sentiment characteristics. In this paper, we propose an enhanced coherence-aware network with hierarchical disentanglement (ECAN) for ACSA tasks. Specifically, we explore coherence modeling to capture the contexts across the whole review and to help the implicit aspect and sentiment identification. To address the issue of multiple aspect categories and sentiment entanglement, we propose a hierarchical disentanglement module to extract distinct categories and sentiment features. Extensive experimental and visualization results show that our ECAN effectively decouples multiple categories and sentiments entangled in the coherence representations and achieves state-of-the-art (SOTA) performance. Our codes and data are available online: \url{https://github.com/cuijin-23/ECAN}.
• Abstract（参考訳）: アスペクト分類に基づく感情分析(ACSA:Aspect-category-based sentiment analysis)は、その幅広いNLP応用のために、アスペクトカテゴリを特定し、その感情を予測することを目的としている。 殆どのアプローチは、主に文内的特徴を利用する。 しかしながら、レビューには複数の異なる側面のカテゴリが含まれており、そのいくつかは明示的にレビューに現れていない。 文中でさえ、その感情には複数の側面のカテゴリーがあり、それらは文内で絡み合っており、そのモデルがすべての感情特性を識別的に保存することができない。 本稿では,ACSAタスクの階層的非絡み合い(ECAN)を考慮したコヒーレンス対応ネットワークを提案する。 具体的には、コヒーレンスモデリングについて検討し、レビュー全体を通してコンテキストをキャプチャし、暗黙の側面と感情の識別を支援する。 複数側面のカテゴリーや感情の絡み合いの問題に対処するため,階層的な絡み合いモジュールを提案し,異なるカテゴリや感情の特徴を抽出する。 実験および可視化の結果から,ECANはコヒーレンス表現に絡み合った複数のカテゴリや感情を効果的に分離し,SOTA(State-of-the-art)のパフォーマンスを達成できた。 私たちのコードとデータはオンラインで利用可能です。

関連論文リスト

• Category-Extensible Out-of-Distribution Detection via Hierarchical Context Descriptions [35.20091752343433]
  この研究は2つの階層的文脈、すなわち知覚的文脈と刺激的文脈を導入し、正確な圏境界を注意深く記述する。 2つの文脈は、あるカテゴリの正確な記述を階層的に構成するが、これはまず、予測されたカテゴリにサンプルを大まかに分類する。 CATegory-Extensible OOD Detection (CATEX)
  論文  参考訳（メタデータ） (2024-07-23T12:53:38Z)
• iACOS: Advancing Implicit Sentiment Extraction with Informative and Adaptive Negative Examples [2.0249250133493195]
  そこで本稿では,カテゴリとオピニオンをセンチメントで抽出する新しい手法iACOSを提案する。 iACOSはテキストの最後に2つの暗黙のトークンを付加し、暗黙のアスペクトや意見を含むすべてのトークンのコンテキスト認識表現をキャプチャする。 2つの公開ベンチマークデータセットのF1スコアにより,iACOSは,他の4倍の抽出基準値よりも有意に優れていた。
  論文  参考訳（メタデータ） (2023-11-07T11:19:06Z)
• AttrSeg: Open-Vocabulary Semantic Segmentation via Attribute Decomposition-Aggregation [33.25304533086283]
  オープンボキャブラリセマンティックセグメンテーションは、推論時に新しいオブジェクトカテゴリをセグメンテーションする必要がある難しいタスクである。 最近の研究では、この課題に対処するために視覚言語による事前訓練が検討されているが、現実的なシナリオでは非現実的な仮定に悩まされている。 本研究は,新しい概念を理解する上で,人間の認知に触発された新しい属性分解集約フレームワークであるAttrSegを提案する。
  論文  参考訳（メタデータ） (2023-08-31T19:34:09Z)
• Prototype-based Embedding Network for Scene Graph Generation [105.97836135784794]
  現在のシーングラフ生成(SGG)手法は、コンテキスト情報を探索し、エンティティペア間の関係を予測する。 被写体と対象物の組み合わせが多様であるため、各述語カテゴリーには大きなクラス内変異が存在する。 プロトタイプベースのEmbedding Network (PE-Net) は、エンティティ/述語を、プロトタイプに準拠したコンパクトで独特な表現でモデル化する。 PLは、PE-Netがそのようなエンティティ述語マッチングを効率的に学習するのを助けるために導入され、不明瞭なエンティティ述語マッチングを緩和するためにプロトタイプ正規化(PR)が考案されている。
  論文  参考訳（メタデータ） (2023-03-13T13:30:59Z)
• Semantic Representation and Dependency Learning for Multi-Label Image Recognition [76.52120002993728]
  本稿では,各カテゴリのカテゴリ固有のセマンティック表現を学習するための,新しい,効果的なセマンティック表現と依存性学習(SRDL)フレームワークを提案する。 具体的には,カテゴリー別注意領域(CAR)モジュールを設計し,チャネル/空間的注意行列を生成してモデルを導出する。 また、カテゴリ間のセマンティック依存を暗黙的に学習するオブジェクト消去(OE)モジュールを設計し、セマンティック認識領域を消去する。
  論文  参考訳（メタデータ） (2022-04-08T00:55:15Z)
• Category Contrast for Unsupervised Domain Adaptation in Visual Tasks [92.9990560760593]
  本稿では,視覚的 UDA タスクのインスタンス識別に先立って,セマンティックな事前情報を導入した新しいカテゴリコントラスト手法(CaCo)を提案する。 CaCoは既存のUDAメソッドを補完し、半教師付き学習や教師なしモデル適応などの他の学習設定に一般化可能である。
  論文  参考訳（メタデータ） (2021-06-05T12:51:35Z)
• 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)
• Multi-Instance Multi-Label Learning Networks for Aspect-Category Sentiment Analysis [8.378067521821045]
  Aspect-Category sentiment analysis (AC-MIMLLN) のためのマルチインスタンスマルチラベル学習ネットワークを提案する。 AC-MIMLLNは、文章をバッグ、単語をインスタンスとして扱い、アスペクトカテゴリのキーインスタンスとしてアスペクトカテゴリを示す単語を扱います。 3つの公開データセットの実験結果から,AC-MIMLLNの有効性が示された。
  論文  参考訳（メタデータ） (2020-10-06T12:07:54Z)
• Dynamic Semantic Matching and Aggregation Network for Few-shot Intent Detection [69.2370349274216]
  利用可能な注釈付き発話が不足しているため、インテント検出は困難である。 セマンティック成分はマルチヘッド自己認識によって発話から蒸留される。 本手法はラベル付きインスタンスとラベルなしインスタンスの両方の表現を強化するための総合的なマッチング手段を提供する。
  論文  参考訳（メタデータ） (2020-10-06T05:16:38Z)
• Sentence Constituent-Aware Aspect-Category Sentiment Analysis with Graph Attention Networks [9.287196185066565]
  アスペクトカテゴリー感情分析は、文章で議論されたアスペクトカテゴリーの感情極性を予測することを目的としている。 アスペクト・カテゴリ・感情分析のためのSentence Constituent-Aware Network(SCAN)を提案する。
  論文  参考訳（メタデータ） (2020-10-04T01:23:17Z)
• ConsNet: Learning Consistency Graph for Zero-Shot Human-Object Interaction Detection [101.56529337489417]
  画像中のHuman, Action, Object>の形のHOIインスタンスを検出・認識することを目的としたHuman-Object Interaction (HOI) Detectionの問題点を考察する。 我々は、オブジェクト、アクション、インタラクション間の多レベルコンパレンシーは、稀な、あるいは以前には見られなかったHOIのセマンティック表現を生成するための強力な手がかりであると主張している。 提案モデルでは,人-対象のペアの視覚的特徴とHOIラベルの単語埋め込みを入力とし,それらを視覚-意味的関節埋め込み空間にマッピングし,類似度を計測して検出結果を得る。
  論文  参考訳（メタデータ） (2020-08-14T09:11:18Z)

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。