論文の概要: Entity-Level Sentiment: More than the Sum of Its Parts

• arxiv url: http://arxiv.org/abs/2407.03916v2
• Date: Tue, 17 Sep 2024 09:07:01 GMT
• ステータス: 処理完了
• システム内更新日: 2024-09-18 21:41:27.964112
• Title: Entity-Level Sentiment: More than the Sum of Its Parts
• Title（参考訳）: Entity-Level Sentiment:パートの要約以上のもの
• Authors: Egil Rønningstad, Roman Klinger, Lilja Øvrelid, Erik Velldal,
• Abstract要約: 文レベルでの感情の算術的アグリゲーションとは,エンティティに対する読者の知覚的感情がしばしば異なることを示す。 我々のデータセットは、長いテキストでエンティティ固有の感情の複雑さを明らかにします。
• 参考スコア（独自算出の注目度）: 13.829487868948686
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: In sentiment analysis of longer texts, there may be a variety of topics discussed, of entities mentioned, and of sentiments expressed regarding each entity. We find a lack of studies exploring how such texts express their sentiment towards each entity of interest, and how these sentiments can be modelled. In order to better understand how sentiment regarding persons and organizations (each entity in our scope) is expressed in longer texts, we have collected a dataset of expert annotations where the overall sentiment regarding each entity is identified, together with the sentence-level sentiment for these entities separately. We show that the reader's perceived sentiment regarding an entity often differs from an arithmetic aggregation of sentiments at the sentence level. Only 70\% of the positive and 55\% of the negative entities receive a correct overall sentiment label when we aggregate the (human-annotated) sentiment labels for the sentences where the entity is mentioned. Our dataset reveals the complexity of entity-specific sentiment in longer texts, and allows for more precise modelling and evaluation of such sentiment expressions.
• Abstract（参考訳）: より長いテキストの感情分析では、議論されたエンティティ、言及されたエンティティ、各エンティティについて表現された感情の様々なトピックが存在するかもしれない。 このような文章が関心の実体に対してどのように感情を表現するのか、どのようにこれらの感情がモデル化されるのか、といった研究が不足していることが分かっています。 個人や組織に対する感情が、より長いテキストでどのように表現されるかをよりよく理解するために、各エンティティに関する全体感情が識別される専門家アノテーションのデータセットと、これらのエンティティに対する文レベルの感情を別々に収集した。 文レベルでの感情の算術的アグリゲーションとは,エンティティに対する読者の知覚的感情がしばしば異なることを示す。 否定的なエンティティの70%と55%だけが、そのエンティティが言及されている文の(人間に注釈された)感情ラベルを集約するときに、正しい全体的な感情ラベルを受け取ります。 我々のデータセットは、長文におけるエンティティ固有の感情の複雑さを明らかにし、そのような感情表現をより正確にモデル化し、評価することができる。

関連論文リスト

• You Shall Know a Tool by the Traces it Leaves: The Predictability of Sentiment Analysis Tools [74.98850427240464]
  感情分析ツールが同じデータセットで一致しないことを示す。 感傷的アノテーションに使用される感情ツールは,その結果から予測できることを示す。
  論文  参考訳（メタデータ） (2024-10-18T17:27:38Z)
• What is Sentiment Meant to Mean to Language Models? [0.0]
  センチメント(sentiment)は、使用するドメインやツールによって、さまざまな概念を包含する。 感覚」は、感情、意見、市場の動き、あるいは単に一般の善悪の次元を意味するために使われてきた。
  論文  参考訳（メタデータ） (2024-05-03T19:37:37Z)
• Document-Level Supervision for Multi-Aspect Sentiment Analysis Without Fine-grained Labels [14.187425779776204]
  本稿では,文書レベルの監視を用いてABSAを実行するVAEベースのトピックモデリング手法を提案する。 この手法により、文書内の複数の側面を検知し、複数の側面を通して表現された感情がどのように集まって、観察可能な文書レベルの感情を形成するのかを推論することが可能になる。
  論文  参考訳（メタデータ） (2023-10-10T18:53:21Z)
• USA: Universal Sentiment Analysis Model & Construction of Japanese Sentiment Text Classification and Part of Speech Dataset [0.0]
  本稿では,個々の単語と全体テキスト間の相互強化効果(MRE)を活用することで,性能の向上を提案する。 本研究を支援するために,4つの新しい感性テキスト分類と音声の一部(SCPOS)データセットをアノテートした。 さらに,7ビリオンのパラメータサイズを持つユニバーサル・センチメント・アナリティクス(USA)モデルを開発した。
  論文  参考訳（メタデータ） (2023-09-07T15:35:00Z)
• Natural Language Decompositions of Implicit Content Enable Better Text Representations [56.85319224208865]
  本稿では,暗黙的に伝達されたコンテンツを明示的に考慮したテキスト分析手法を提案する。 我々は大きな言語モデルを用いて、観察されたテキストと推論的に関係する命題の集合を生成する。 本研究は,NLPにおいて,文字のみではなく,観察された言語の背景にある意味をモデル化することが重要であることを示唆する。
  論文  参考訳（メタデータ） (2023-05-23T23:45:20Z)
• Entity-Level Sentiment Analysis (ELSA): An exploratory task survey [2.191505742658975]
  本稿は、文書中の自発的な実体に対して表される全体的感情を識別するタスクについて考察する。 我々のデータセットの感情は、対象として言及されるエンティティだけでなく、自発的なエンティティと感情関連のあるターゲットにも表現されている。
  論文  参考訳（メタデータ） (2023-04-27T15:01:20Z)
• Dialog speech sentiment classification for imbalanced datasets [7.84604505907019]
  本稿では,短対話発話の単一・二モーダル分析を用い,感情検出に寄与する主な要因について考察する。 本稿では、学習率スケジューラと異なる監視基準を用いて、SWITCHBOARDの不均衡感情データセットの最先端結果を提供するアーキテクチャを提案する。
  論文  参考訳（メタデータ） (2021-09-15T11:43:04Z)
• 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 computational model implementing subjectivity with the 'Room Theory'. The case of detecting Emotion from Text [68.8204255655161]
  本研究は,テキスト分析における主観性と一般的文脈依存性を考慮した新しい手法を提案する。 単語間の類似度を用いて、ベンチマーク中の要素の相対的関連性を抽出することができる。 この方法は、主観的評価がテキストの相対値や意味を理解するために関係しているすべてのケースに適用できる。
  論文  参考訳（メタデータ） (2020-05-12T21:26:04Z)
• SentiBERT: A Transferable Transformer-Based Architecture for Compositional Sentiment Semantics [82.51956663674747]
  SentiBERT は BERT の変種であり、構成的感情意味論を効果的に捉えている。 SentiBERTは語句レベルの感情分類において競争力を発揮することを示す。
  論文  参考訳（メタデータ） (2020-05-08T15:40:17Z)
• A Deep Neural Framework for Contextual Affect Detection [51.378225388679425]
  感情を持たない短い単純なテキストは、その文脈と共に読むときに強い感情を表現することができる。 文中の単語の相互依存を学習する文脈影響検出フレームワークを提案する。
  論文  参考訳（メタデータ） (2020-01-28T05:03:15Z)

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。