論文の概要: Revisiting Structured Sentiment Analysis as Latent Dependency Graph Parsing

• arxiv url: http://arxiv.org/abs/2407.04801v1
• Date: Fri, 5 Jul 2024 18:18:50 GMT
• ステータス: 処理完了
• システム内更新日: 2024-07-09 22:36:40.211163
• Title: Revisiting Structured Sentiment Analysis as Latent Dependency Graph Parsing
• Title（参考訳）: 潜在依存グラフ解析としての構造化感性分析の再検討
• Authors: Chengjie Zhou, Bobo Li, Hao Fei, Fei Li, Chong Teng, Donghong Ji,
• Abstract要約: スパンの内部構造は無視されるため、スパンの境界トークンのみが関係予測やスパン認識に使用される。 長いスパンはSSAデータセットのかなりの割合を占めており、内部構造が無視されるという問題をさらに悪化させる。 本稿では,2段階解析手法を提案し,木CRFをアルゴリズム内部に制約を課し,遅延構造を明示的にモデル化する。
• 参考スコア（独自算出の注目度）: 38.27437431585664
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Structured Sentiment Analysis (SSA) was cast as a problem of bi-lexical dependency graph parsing by prior studies. Multiple formulations have been proposed to construct the graph, which share several intrinsic drawbacks: (1) The internal structures of spans are neglected, thus only the boundary tokens of spans are used for relation prediction and span recognition, thus hindering the model's expressiveness; (2) Long spans occupy a significant proportion in the SSA datasets, which further exacerbates the problem of internal structure neglect. In this paper, we treat the SSA task as a dependency parsing task on partially-observed dependency trees, regarding flat spans without determined tree annotations as latent subtrees to consider internal structures of spans. We propose a two-stage parsing method and leverage TreeCRFs with a novel constrained inside algorithm to model latent structures explicitly, which also takes advantages of joint scoring graph arcs and headed spans for global optimization and inference. Results of extensive experiments on five benchmark datasets reveal that our method performs significantly better than all previous bi-lexical methods, achieving new state-of-the-art.
• Abstract（参考訳）: SSA(Structured Sentiment Analysis)は,先行研究による2語彙依存グラフ解析の課題として挙げられた。 1) スパンの内部構造は無視されるので、スパンの境界トークンは関係予測やスパン認識にのみ使用されるため、モデルの表現性を阻害する。 本稿では,SSAタスクを部分観測された依存ツリーの依存関係解析タスクとして扱う。 本稿では,2段階解析手法を提案し,木CRFを内部に制約のある新しい制約付きアルゴリズムを用いて遅延構造を明示的にモデル化し,共同スコアリンググラフアークの利点と,大域的最適化と推論のための方向スパンの利点を生かした。 5つのベンチマークデータセットの広範な実験結果から,本手法は従来の両語彙法よりも優れた性能を示し,新しい最先端技術を実現している。

関連論文リスト

• S$^2$GSL: Incorporating Segment to Syntactic Enhanced Graph Structure Learning for Aspect-based Sentiment Analysis [19.740223755240734]
  ABSAのための構文強化グラフ構造学習にセグメンテーションを取り入れた2$GSLを提案する。 S$2$GSLはセグメント対応セマンティックグラフ学習と構文ベースの潜在グラフ学習を備えている。
  論文  参考訳（メタデータ） (2024-06-05T03:44:35Z)
• Enhancing Systematic Decompositional Natural Language Inference Using Informal Logic [51.967603572656266]
  我々は,分解包含を注釈付けするための一貫した理論的なアプローチを導入する。 我々の新しいデータセットRDTEは、前回の分解エンターメントデータセットよりもかなり高い内部整合性(+9%)を持つことがわかった。 また,RDTE による知識蒸留によるエンテーメント分類器の訓練や,エンテーメントツリー推論エンジンへの導入により,精度と検証精度が向上することが確認された。
  論文  参考訳（メタデータ） (2024-02-22T18:55:17Z)
• RDGCN: Reinforced Dependency Graph Convolutional Network for Aspect-based Sentiment Analysis [43.715099882489376]
  距離と型の両方のビューにおける依存性の重要度を計算するために,新たに強化された依存グラフ畳み込みネットワーク(RDGCN)を提案する。 この基準の下で、重み分布探索と相似性制御に強化学習を利用する距離重要度関数を設計する。 3つの一般的なデータセットに関する総合的な実験は、基準と重要度関数の有効性を示す。
  論文  参考訳（メタデータ） (2023-11-08T05:37:49Z)
• Topic-driven Distant Supervision Framework for Macro-level Discourse Parsing [72.14449502499535]
  テキストの内部修辞構造を解析する作業は、自然言語処理において難しい問題である。 近年のニューラルモデルの発展にもかかわらず、トレーニングのための大規模で高品質なコーパスの欠如は大きな障害となっている。 近年の研究では、遠方の監督を用いてこの制限を克服しようと試みている。
  論文  参考訳（メタデータ） (2023-05-23T07:13:51Z)
• Semantic Role Labeling as Dependency Parsing: Exploring Latent Tree Structures Inside Arguments [33.95412952615206]
  SRLの最近の研究は、主にBIOベースとスパンベースという2つのラインに分かれている。 本稿では、SRLを依存性解析タスクに還元し、フラット引数を潜在サブツリーとみなす。 特に,木構造をスパンアウェアにするために,新規なスパン制約ツリーCRFモデルを用いて定式化を行う。
  論文  参考訳（メタデータ） (2021-10-13T17:02:29Z)
• Sparse Fuzzy Attention for Structured Sentiment Analysis [48.69930912510414]
  本研究では,プール層を有するスパース・ファジィアテンションスコアラを提案する。 さらに,2次解析を用いた構造化感情分析における解析モデルについて検討し,解析性能を著しく向上させる新しい2次エッジ構築手法を提案する。
  論文  参考訳（メタデータ） (2021-09-14T14:37:56Z)
• Learning compositional structures for semantic graph parsing [81.41592892863979]
  本稿では、AM依存性解析をニューラル潜在変数モデルで直接トレーニングする方法を示す。 本モデルでは,いくつかの言語現象を独自に把握し,教師あり学習に匹敵する精度を達成している。
  論文  参考訳（メタデータ） (2021-06-08T14:20:07Z)
• Structured Sentiment Analysis as Dependency Graph Parsing [5.174808367448261]
  我々は、この区分が非生産的になり、状況を改善するための新しい統一された枠組みを提案する。 我々は、構造化された感情問題を依存グラフ解析として、ノードは感情保持者、ターゲット、表現の領域であり、弧はそれらの関係であると考えた。
  論文  参考訳（メタデータ） (2021-05-30T11:19:46Z)
• A Dependency Syntactic Knowledge Augmented Interactive Architecture for End-to-End Aspect-based Sentiment Analysis [73.74885246830611]
  エンドツーエンドABSAのためのマルチタスク学習を用いた対話型アーキテクチャを新たに提案する。 このモデルは、よく設計された依存性関係埋め込みグラフ畳み込みネットワーク(DreGcn)を活用することで、構文知識(依存性関係と型)を完全に活用することができる。 3つのベンチマークデータセットの大規模な実験結果から,本手法の有効性が示された。
  論文  参考訳（メタデータ） (2020-04-04T14:59:32Z)

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。