論文の概要: E2TP: Element to Tuple Prompting Improves Aspect Sentiment Tuple Prediction

• arxiv url: http://arxiv.org/abs/2405.06454v2
• Date: Thu, 16 May 2024 11:37:51 GMT
• ステータス: 処理完了
• システム内更新日: 2024-05-17 18:06:04.826451
• Title: E2TP: Element to Tuple Prompting Improves Aspect Sentiment Tuple Prediction
• Title（参考訳）: E2TP: Aspect Sentiment Tuple Predictionを改善したタプルプロンプト要素
• Authors: Mohammad Ghiasvand Mohammadkhani, Niloofar Ranjbar, Saeedeh Momtazi,
• Abstract要約: 本稿では,2段階アーキテクチャを用いたE2TP(Element to Tuple Prompting)を提案する。 前者のステップは単一要素の予測に焦点を当て、後者のステップはこれらの予測された要素を対応するコンポーネントにマッピングすることでプロセスを完成させる。 各種ベンチマークの総合的な分析により,ほぼすべてのケースにおいて,E2TPが新たな最先端結果を達成することを示す。
• 参考スコア（独自算出の注目度）: 1.124958340749622
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Generative approaches have significantly influenced Aspect-Based Sentiment Analysis (ABSA), garnering considerable attention. However, existing studies often predict target text components monolithically, neglecting the benefits of utilizing single elements for tuple prediction. In this paper, we introduce Element to Tuple Prompting (E2TP), employing a two-step architecture. The former step focuses on predicting single elements, while the latter step completes the process by mapping these predicted elements to their corresponding tuples. E2TP is inspired by human problem-solving, breaking down tasks into manageable parts, using the first step's output as a guide in the second step. Within this strategy, three types of paradigms, namely E2TP($diet$), E2TP($f_1$), and E2TP($f_2$), are designed to facilitate the training process. Beyond dataset-specific experiments, our paper addresses cross-domain scenarios, demonstrating the effectiveness and generalizability of the approach. By conducting a comprehensive analysis on various benchmarks, we show that E2TP achieves new state-of-the-art results in nearly all cases.
• Abstract（参考訳）: 生成的アプローチはアスペクトベース知覚分析(ABSA)に大きな影響を与えており、かなりの注目を集めている。 しかし、既存の研究では、単一の要素をタプル予測に利用する利点を無視して、ターゲットテキストコンポーネントをモノリシックに予測することが多い。 本稿では,2段階アーキテクチャを用いたE2TP(Element to Tuple Prompting)を提案する。 前者のステップは単一の要素を予測することに焦点を当て、後者のステップは予測された要素を対応するタプルにマッピングすることでプロセスを完成させる。 E2TPは人間の問題解決にインスパイアされ、第1ステップの出力を第2ステップのガイドとして使用して、タスクを管理可能な部分に分割する。 この戦略では、トレーニングプロセスを容易にするために、E2TP($diet$)、E2TP($f_1$)、E2TP($f_2$)の3種類のパラダイムが設計されている。 データセット固有の実験以外にも、我々の論文はクロスドメインシナリオに対処し、このアプローチの有効性と一般化性を実証した。 各種ベンチマークの総合的な分析により,ほぼすべてのケースにおいて,E2TPが新たな最先端結果を達成することを示す。

関連論文リスト

• CLIP-AD: A Language-Guided Staged Dual-Path Model for Zero-shot Anomaly Detection [49.510604614688745]
  大規模視覚言語モデルCLIPのゼロショット機能を活用するために,CLIP-ADというフレームワークを提案する。 異常写像の直接計算における逆の予測と無関係なハイライトについて述べる。
  論文  参考訳（メタデータ） (2023-11-01T11:39:22Z)
• Information Extraction in Domain and Generic Documents: Findings from Heuristic-based and Data-driven Approaches [0.0]
  自然言語処理において,情報抽出が重要な役割を担っている。 IEタスクに対するドキュメントのジャンルと長さの影響。 両方のタスクで圧倒的なパフォーマンスを示す方法はひとつもなかった。
  論文  参考訳（メタデータ） (2023-06-30T20:43:27Z)
• A Unified One-Step Solution for Aspect Sentiment Quad Prediction [3.428123050377681]
  アスペクトベースの感情分析において、アスペクト感情クワッド予測(ASQP)は難しいが重要なサブタスクである。 我々はASQPのための2つの新しいデータセットをリリースし、このデータセットには、より大きなサイズ、サンプルあたりの単語数、より高密度の2つの特徴が含まれている。 そこで我々は,ASQPを統一したワンステップソリューションであるOne-ASQPを提案し,アスペクトカテゴリを検出し,アスペクト-オピニオン-感覚三重項を同時に同定する。
  論文  参考訳（メタデータ） (2023-06-07T05:00:01Z)
• Retrieval as Attention: End-to-end Learning of Retrieval and Reading within a Single Transformer [80.50327229467993]
  学習した1つのモデルが競合検索とQA性能の両方を達成可能であることを示す。 エンドツーエンド適応は、教師なし設定と教師なし設定の両方において、ドメイン外のデータセットのパフォーマンスを大幅に向上させることを示す。
  論文  参考訳（メタデータ） (2022-12-05T04:51:21Z)
• Instruction Tuning for Few-Shot Aspect-Based Sentiment Analysis [72.9124467710526]
  生成的アプローチは、テキストから(1つ以上の)4つの要素を1つのタスクとして抽出するために提案されている。 本稿では,ABSAを解くための統一的なフレームワークと,それに関連するサブタスクを提案する。
  論文  参考訳（メタデータ） (2022-10-12T23:38:57Z)
• A Generative Language Model for Few-shot Aspect-Based Sentiment Analysis [90.24921443175514]
  我々は、アスペクト項、カテゴリを抽出し、対応する極性を予測するアスペクトベースの感情分析に焦点を当てる。 本稿では,一方向の注意を伴う生成言語モデルを用いて,抽出タスクと予測タスクをシーケンス生成タスクに再構成することを提案する。 提案手法は,従来の最先端(BERTをベースとした)の性能を,数ショットとフルショットの設定において,大きなマージンで上回ります。
  論文  参考訳（メタデータ） (2022-04-11T18:31:53Z)
• Prompt for Extraction? PAIE: Prompting Argument Interaction for Event Argument Extraction [25.969238509764658]
  文レベルと文書レベルのイベント調停抽出(EAE)に有効で効率的なモデルPAIEを提案する。 我々は文レベルと文書レベルの両方を含む3つのベンチマークで広範な実験を行った。 その結果、PAIEから有望な改善が得られた(文レベルと文書レベルの平均で1.1%、F1が3.8%)。
  論文  参考訳（メタデータ） (2022-02-24T14:07:25Z)
• X2Parser: Cross-Lingual and Cross-Domain Framework for Task-Oriented Compositional Semantic Parsing [51.81533991497547]
  タスク指向コンポジションセマンティックパーシング(TCSP)は複雑なネストされたユーザクエリを処理する。 本報告では,TCSPの変換可能なクロスランガルとクロスドメインを比較した。 本稿では,フラット化意図とスロット表現を別々に予測し,両方の予測タスクをシーケンスラベリング問題にキャストすることを提案する。
  論文  参考訳（メタデータ） (2021-06-07T16:40:05Z)
• ABCNet v2: Adaptive Bezier-Curve Network for Real-time End-to-end Text Spotting [108.93803186429017]
  エンドツーエンドのテキストスポッティングは、統一されたフレームワークで検出と認識を統合することを目指している。 本稿では、Adaptive Bezier Curve Network v2 (ABCNet v2) を提示することで、エンドツーエンドテキストスポッティングに取り組む。 1) 任意の形状のテキストをパラメータ化されたベジアー曲線で適応的に適合させ, セグメンテーション法と比較すると, 構造的な出力だけでなく, 制御可能な表現も提供できる。 様々なバイリンガル(英語と中国語)ベンチマークデータセットで実施された総合的な実験は、ABCNet v2が現状を達成することを実証している。
  論文  参考訳（メタデータ） (2021-05-08T07:46:55Z)

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。