論文の概要: Dynamic Order Template Prediction for Generative Aspect-Based Sentiment Analysis

• arxiv url: http://arxiv.org/abs/2406.11130v1
• Date: Mon, 17 Jun 2024 01:21:28 GMT
• ステータス: 処理完了
• システム内更新日: 2024-06-18 18:53:41.092238
• Title: Dynamic Order Template Prediction for Generative Aspect-Based Sentiment Analysis
• Title（参考訳）: 生成アスペクトに基づく感性分析のための動的順序テンプレート予測
• Authors: Yonghyun Jun, Hwanhee Lee,
• Abstract要約: ABSAはテキスト内の特定の側面に対する感情を評価し、詳細な感情をもたらす。 以前のABSAモデルはインスタンス内のすべての要素を予測するために静的テンプレートを使用することが多い。 本稿では,インスタンス毎に動的に生成するABSAの動的順序テンプレート(DOT)を提案する。
• 参考スコア（独自算出の注目度）: 4.438698005789677
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Aspect-based sentiment analysis (ABSA) assesses sentiments towards specific aspects within texts, resulting in detailed sentiment tuples. Previous ABSA models often use static templates to predict all of the elements in the tuples, and these models often fail to accurately capture dependencies between elements. Multi-view prompting method improves the performance of ABSA by predicting tuples with various templates and then ensembling the results. However, this method suffers from inefficiencies and out-of-distribution errors. In this paper, we propose a Dynamic Order Template (DOT) method for ABSA, which dynamically generates necessary views for each instance based on instance-level entropy. Ensuring the diverse and relevant view generation, our proposed method improves F1-scores on ASQP and ACOS datasets while significantly reducing inference time.
• Abstract（参考訳）: アスペクトベースの感情分析(ABSA)は、テキスト内の特定の側面に対する感情を評価し、詳細な感情タプルをもたらす。 以前のABSAモデルは、しばしば静的テンプレートを使用してタプル内のすべての要素を予測する。 マルチビュープロンプト法は,様々なテンプレートでタプルを予測し,結果をアンサンブルすることでABSAの性能を向上させる。 しかし、この方法は非効率性や分配エラーに悩まされる。 本稿では,インスタンスレベルのエントロピーに基づいて,各インスタンスに必要なビューを動的に生成するABSAの動的順序テンプレート(DOT)手法を提案する。 提案手法は,ASQPおよびACOSデータセットのF1スコアを改善するとともに,推論時間を大幅に短縮する。

関連論文リスト

• Unified Low-Resource Sequence Labeling by Sample-Aware Dynamic Sparse Finetuning [24.765911297156855]
  FISH-DIPは、少数のパラメータに選択的にフォーカスする、サンプル対応のダイナミックスパース微調整戦略である。 FISH-DIPは、最大40%の性能改善を提供する低リソース設定でモデルをスムーズに最適化できることを実証した。
  論文  参考訳（メタデータ） (2023-11-07T06:19:37Z)
• MvP: Multi-view Prompting Improves Aspect Sentiment Tuple Prediction [14.177875807409434]
  異なる順序で生成された感情要素を集約するMulti-view Prompting (MvP)を提案する。 MvPは自然に要素の置換と組み合わせとしてマルチビューとマルチタスクをモデル化することができる。 大規模な実験により、MvPは4つのベンチマークタスクの10のデータセットで最先端のパフォーマンスを大幅に向上することが示された。
  論文  参考訳（メタデータ） (2023-05-22T01:32:50Z)
• 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)
• Dynamic Latent Separation for Deep Learning [67.62190501599176]
  機械学習の中核的な問題は、複雑なデータに対するモデル予測のための表現力のある潜在変数を学習することである。 本稿では,表現性を向上し,部分的解釈を提供し,特定のアプリケーションに限定されないアプローチを開発する。
  論文  参考訳（メタデータ） (2022-10-07T17:56:53Z)
• Partial sequence labeling with structured Gaussian Processes [8.239028141030621]
  部分列ラベリングのための構造付きガウス過程を提案する。 予測の不確実性を符号化し、モデル選択やハイパーパラメータ学習に余分な労力を要しない。 いくつかのシーケンスラベリングタスクで評価を行い,実験結果から提案手法の有効性が示された。
  論文  参考訳（メタデータ） (2022-09-20T00:56:49Z)
• HPS-Det: Dynamic Sample Assignment with Hyper-Parameter Search for Object Detection [25.71039912705784]
  本稿では,ハイパーパラメータ探索に基づく新しい動的サンプル割当て方式を提案する。 実験により、結果のHPS-Detは、異なるオブジェクト検出ベースラインよりもパフォーマンスが向上することが示された。
  論文  参考訳（メタデータ） (2022-07-23T15:13:57Z)
• 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)
• A Simple Information-Based Approach to Unsupervised Domain-Adaptive Aspect-Based Sentiment Analysis [58.124424775536326]
  本稿では,相互情報に基づくシンプルだが効果的な手法を提案し,それらの用語を抽出する。 実験の結果,提案手法はクロスドメインABSAの最先端手法よりも4.32%高い性能を示した。
  論文  参考訳（メタデータ） (2022-01-29T10:18:07Z)
• Improving Aspect-based Sentiment Analysis with Gated Graph Convolutional Networks and Syntax-based Regulation [89.38054401427173]
  Aspect-based Sentiment Analysis (ABSA) は、特定の側面に向けて文の感情極性を予測する。 依存関係ツリーは、ABSAの最先端のパフォーマンスを生成するために、ディープラーニングモデルに統合することができる。 本稿では,この2つの課題を克服するために,グラフに基づく新しいディープラーニングモデルを提案する。
  論文  参考訳（メタデータ） (2020-10-26T07:36:24Z)
• Generating diverse and natural text-to-speech samples using a quantized fine-grained VAE and auto-regressive prosody prior [53.69310441063162]
  本稿では,より自然な音響サンプルを生成できる離散潜在空間における逐次前処理を提案する。 本研究では,聴取試験,自動音声認識(ASR)性能の客観的指標,韻律特性の測定によるアプローチの評価を行った。
  論文  参考訳（メタデータ） (2020-02-06T12:35:50Z)

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。