論文の概要: You Shall Know a Tool by the Traces it Leaves: The Predictability of Sentiment Analysis Tools

• arxiv url: http://arxiv.org/abs/2410.14626v1
• Date: Fri, 18 Oct 2024 17:27:38 GMT
• ステータス: 翻訳完了
• システム内更新日: 2024-10-21 14:25:33.031143
• Title: You Shall Know a Tool by the Traces it Leaves: The Predictability of Sentiment Analysis Tools
• Title（参考訳）: 残したトレースによってツールを知る:感覚分析ツールの予測可能性
• Authors: Daniel Baumartz, Mevlüt Bagci, Alexander Henlein, Maxim Konca, Andy Lücking, Alexander Mehler,
• Abstract要約: 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。
• 参考スコア（独自算出の注目度）: 74.98850427240464
• License:
• Abstract: If sentiment analysis tools were valid classifiers, one would expect them to provide comparable results for sentiment classification on different kinds of corpora and for different languages. In line with results of previous studies we show that sentiment analysis tools disagree on the same dataset. Going beyond previous studies we show that the sentiment tool used for sentiment annotation can even be predicted from its outcome, revealing an algorithmic bias of sentiment analysis. Based on Twitter, Wikipedia and different news corpora from the English, German and French languages, our classifiers separate sentiment tools with an averaged F1-score of 0.89 (for the English corpora). We therefore warn against taking sentiment annotations as face value and argue for the need of more and systematic NLP evaluation studies.
• Abstract（参考訳）: 感情分析ツールが有効な分類器であれば、異なる種類のコーパスと異なる言語に対する感情分類に匹敵する結果が得られるだろう。 過去の研究では、感情分析ツールが同じデータセットで一致しないことが示されている。 過去の研究では、感情分析のアルゴリズム的バイアスが示され、感情アノテーションに使用される感情ツールがその結果から予測できることが示されている。 Twitter、Wikipedia、および英語、ドイツ語、フランス語の異なるニュースコーパスに基づいて、我々の分類器は感情ツールを分離し、平均的なF1スコアは0.89(英語コーパス)である。 そこで我々は,感情アノテーションを顔の価値観として捉えないことを警告し,より系統的なNLP評価研究の必要性を主張した。

関連論文リスト

• Lexicon-Based Sentiment Analysis on Text Polarities with Evaluation of Classification Models [1.342834401139078]
  本研究は,レキシコン法を用いて感情分析を行い,テキストデータを用いた分類モデルの評価を行った。 語彙に基づく手法は、単語レベルでの感情と主観性の強さを識別する。 この研究は、テキストが正、負、中立とラベル付けされているというマルチクラスの問題に基づいている。
  論文  参考訳（メタデータ） (2024-09-19T15:31:12Z)
• Leveraging ChatGPT As Text Annotation Tool For Sentiment Analysis [6.596002578395151]
  ChatGPTはOpenAIの新製品で、最も人気のあるAI製品として登場した。 本研究では、さまざまな感情分析タスクのためのデータラベリングツールとしてのChatGPTについて検討する。
  論文  参考訳（メタデータ） (2023-06-18T12:20:42Z)
• Sentiment analysis and opinion mining on E-commerce site [0.0]
  本研究の目的は,感情分析における感情極性分類の課題を解決することである。 全体的プロセスの説明とともに、感情的反対を分類する幅広い手法が提示される。
  論文  参考訳（メタデータ） (2022-11-28T16:43:33Z)
• Sentiment-Aware Word and Sentence Level Pre-training for Sentiment Analysis [64.70116276295609]
  SentiWSPは、WordレベルとSentenceレベルの事前トレーニングタスクを組み合わせた、Sentiment対応の事前トレーニング言語モデルである。 SentiWSPは、様々な文レベルおよびアスペクトレベルの感情分類ベンチマーク上で、最先端のパフォーマンスを新たに達成する。
  論文  参考訳（メタデータ） (2022-10-18T12:25:29Z)
• Causal Intervention Improves Implicit Sentiment Analysis [67.43379729099121]
  インスツルメンタル・バリアブル(ISAIV)を用いたインシシット・センシティメント分析のための因果介入モデルを提案する。 まず、因果的視点から感情分析をレビューし、このタスクに存在する共同設立者を分析する。 そこで本研究では,文章と感情の因果関係を解消し,純粋因果関係を抽出するインストゥルメンタル変数を提案する。
  論文  参考訳（メタデータ） (2022-08-19T13:17:57Z)
• Sentiment analysis in tweets: an assessment study from classical to modern text representation models [59.107260266206445]
  Twitterで公開された短いテキストは、豊富な情報源として大きな注目を集めている。 非公式な言語スタイルや騒々しい言語スタイルといったそれらの固有の特徴は、多くの自然言語処理(NLP)タスクに挑戦し続けている。 本研究では,22データセットの豊富なコレクションを用いて,ツイートに表される感情を識別する既存言語モデルの評価を行った。
  論文  参考訳（メタデータ） (2021-05-29T21:05:28Z)
• 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)
• SentiQ: A Probabilistic Logic Approach to Enhance Sentiment Analysis Tool Quality [13.450001922002478]
  SentiQは教師なしのMarkovロジック ネットワークベースのアプローチで、ルールを通じてツールのセマンティックディメンションを注入する。 SentiQの有用性について予備実験を行った。
  論文  参考訳（メタデータ） (2020-08-19T14:30:00Z)
• Tweets Sentiment Analysis via Word Embeddings and Machine Learning Techniques [1.345251051985899]
  本論文では、感情分類のための特徴選択モデルWord2vecと機械学習アルゴリズムランダムフォレストを用いて、リアルタイムの2019年選挙Twitterデータに対する感情分析を行うことを目的とする。 Word2vecはテキスト中の単語の文脈意味を考慮し、特徴の質を改善し、機械学習と感情分析の精度を向上させる。
  論文  参考訳（メタデータ） (2020-07-05T08:10:30Z)
• SKEP: Sentiment Knowledge Enhanced Pre-training for Sentiment Analysis [69.80296394461149]
  本稿では,複数の感情分析タスクに対する統一的な感情表現を学習するために,感覚知識強化事前学習(SKEP)を導入する。 自動的な知識の助けを借りて、SKEPは感情マスキングを行い、3つの感情知識予測目標を構築する。 3種類の感情タスクの実験では、SKEPはトレーニング前ベースラインよりも有意に優れていた。
  論文  参考訳（メタデータ） (2020-05-12T09:23:32Z)

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。