論文の概要: Boundary-Driven Table-Filling with Cross-Granularity Contrastive Learning for Aspect Sentiment Triplet Extraction
- arxiv url: http://arxiv.org/abs/2502.01942v1
- Date: Tue, 04 Feb 2025 02:23:45 GMT
- ステータス: 翻訳完了
- システム内更新日: 2025-02-05 15:04:28.622331
- Title: Boundary-Driven Table-Filling with Cross-Granularity Contrastive Learning for Aspect Sentiment Triplet Extraction
- Title（参考訳）: 直感三重項抽出のためのクロスグラニュラ性コントラスト学習による境界駆動型テーブルフィリング
- Authors: Qingling Li, Wushao Wen, Jinghui Qin,
- Abstract要約: Aspect Sentiment Triplet extract taskは、きめ細かい感情分析において最も顕著なサブタスクの1つである。
既存のほとんどのアプローチでは、エンドツーエンドで2次元テーブルフィリングプロセスとしてフレームトリプレット抽出を行っている。
文レベル表現と単語レベル表現のセマンティック一貫性を高めるために,BTF-CCLを用いた境界駆動型テーブル充填を提案する。
- 参考スコア（独自算出の注目度）: 8.011606196420757
- License:
- Abstract: The Aspect Sentiment Triplet Extraction (ASTE) task aims to extract aspect terms, opinion terms, and their corresponding sentiment polarity from a given sentence. It remains one of the most prominent subtasks in fine-grained sentiment analysis. Most existing approaches frame triplet extraction as a 2D table-filling process in an end-to-end manner, focusing primarily on word-level interactions while often overlooking sentence-level representations. This limitation hampers the model's ability to capture global contextual information, particularly when dealing with multi-word aspect and opinion terms in complex sentences. To address these issues, we propose boundary-driven table-filling with cross-granularity contrastive learning (BTF-CCL) to enhance the semantic consistency between sentence-level representations and word-level representations. By constructing positive and negative sample pairs, the model is forced to learn the associations at both the sentence level and the word level. Additionally, a multi-scale, multi-granularity convolutional method is proposed to capture rich semantic information better. Our approach can capture sentence-level contextual information more effectively while maintaining sensitivity to local details. Experimental results show that the proposed method achieves state-of-the-art performance on public benchmarks according to the F1 score.
- Abstract（参考訳）: Aspect Sentiment Triplet extract (ASTE) タスクは、ある文からアスペクト項、意見項、および対応する感情極性を抽出することを目的としている。
微粒な感情分析における最も顕著なサブタスクの1つである。
既存のほとんどのアプローチでは、フレームトリプレット抽出を2次元のテーブルフィリングプロセスとしてエンドツーエンドで行い、主に単語レベルの相互作用に焦点を合わせながら、しばしば文レベルの表現を見落としている。
この制限は、特に複雑な文で多単語のアスペクトや意見用語を扱う場合、グローバルな文脈情報をキャプチャするモデルの能力を損なう。
これらの問題に対処するため,文レベルの表現と単語レベルの表現とのセマンティック一貫性を高めるために,境界駆動型テーブル補完法(BTF-CCL)を提案する。
正のサンプル対と負のサンプル対を構築することにより、モデルは文レベルと単語レベルの両方で関連を学習せざるを得ない。
さらに,リッチなセマンティック情報をよりよく捉えるために,マルチスケール・マルチグラニュラリティ畳み込み法を提案する。
本手法は,局所的な詳細に敏感さを保ちながら,文レベルの文脈情報をより効果的に捉えることができる。
実験の結果,提案手法は,F1スコアに従って,公開ベンチマーク上での最先端性能を実現することがわかった。
関連論文リスト
- GroupContrast: Semantic-aware Self-supervised Representation Learning for 3D Understanding [66.5538429726564]
自己教師付き3D表現学習は、大規模未ラベルの点群から効果的な表現を学習することを目的としている。
本稿では,セグメンテーションとセマンティック・アウェア・コントラッシブ・ラーニングを組み合わせた新しいアプローチであるGroupContrastを提案する。
論文 参考訳（メタデータ） (2024-03-14T17:59:59Z) - Aspect-based Meeting Transcript Summarization: A Two-Stage Approach with
Weak Supervision on Sentence Classification [91.13086984529706]
Aspect-based meeting transcript summarization は複数の要約を生成することを目的としている。
従来の要約手法は、全ての側面の情報を1つの要約で混合する。
アスペクトベースの会議書き起こし要約のための2段階の手法を提案する。
論文 参考訳（メタデータ） (2023-11-07T19:06:31Z) - M$^3$Net: Multi-view Encoding, Matching, and Fusion for Few-shot
Fine-grained Action Recognition [80.21796574234287]
M$3$Netは、FS-FGアクション認識のためのマッチングベースのフレームワークである。
textitmulti-view エンコーディング、textitmulti-view matching、textitmulti-view fusion を組み込んで、埋め込みエンコーディング、類似性マッチング、意思決定を容易にする。
説明可能な可視化と実験結果により,M$3$Netの微細な動作の詳細を捉える上での優位性が示された。
論文 参考訳（メタデータ） (2023-08-06T09:15:14Z) - A semantically enhanced dual encoder for aspect sentiment triplet
extraction [0.7291396653006809]
アスペクト・センチメント・トリプルト抽出(ASTE)はアスペクト・ベースの感情分析(ABSA)の重要なサブタスクである
従来の研究は、革新的なテーブル充填戦略によるASTEの強化に重点を置いてきた。
本稿では,BERTをベースとした基本エンコーダと,Bi-LSTMネットワークとGCN(Graph Convolutional Network)で構成される特定のエンコーダの両方を利用するフレームワークを提案する。
ベンチマークデータセットを用いた実験により,提案フレームワークの最先端性能を実証した。
論文 参考訳（メタデータ） (2023-06-14T09:04:14Z) - RankCSE: Unsupervised Sentence Representations Learning via Learning to
Rank [54.854714257687334]
本稿では,教師なし文表現学習のための新しい手法であるRangCSEを提案する。
コントラスト学習を伴うランキング一貫性とランキング蒸留を統一された枠組みに組み込む。
セマンティックテキスト類似性(STS)と転送タスク(TR)の両方について、広範な実験が実施されている。
論文 参考訳（メタデータ） (2023-05-26T08:27:07Z) - Understanding and Constructing Latent Modality Structures in Multi-modal
Representation Learning [53.68371566336254]
優れたパフォーマンスの鍵は、完全なモダリティアライメントではなく、有意義な潜在モダリティ構造にある、と我々は主張する。
具体的には,1)モダリティ内正規化のための深い特徴分離損失,2)モダリティ間正規化のためのブラウン橋損失,3)モダリティ内正規化およびモダリティ間正規化のための幾何学的整合損失を設計する。
論文 参考訳（メタデータ） (2023-03-10T14:38:49Z) - Topic Segmentation Model Focusing on Local Context [1.9871897882042773]
本稿では,2つの入力文を個別に処理し,適切な量の情報を得るためのシマセ文埋め込み層を提案する。
また、同じトピック予測(STP)、トピック分類(TC)、Next Sentence Prediction(NSP)といったマルチタスク学習手法も採用している。
論文 参考訳（メタデータ） (2023-01-05T06:57:42Z) - STAGE: Span Tagging and Greedy Inference Scheme for Aspect Sentiment
Triplet Extraction [17.192861356588597]
Aspect Sentiment Triplet extract (ASTE) は感情分析研究において新たな課題となっている。
Span TAgging and Greedy infErence (STAGE) を提案する。
論文 参考訳（メタデータ） (2022-11-28T02:07:03Z) - Boosting Video-Text Retrieval with Explicit High-Level Semantics [115.66219386097295]
VTRのための新しい視覚言語整合モデルHiSEを提案する。
明示的なハイレベルなセマンティクスを取り入れることで、クロスモーダル表現を改善する。
提案手法は,3つのベンチマークデータセット上での最先端手法よりも優れた性能を実現する。
論文 参考訳（メタデータ） (2022-08-08T15:39:54Z) - A Multi-task Learning Framework for Opinion Triplet Extraction [24.983625011760328]
本稿では,意見三重項抽出課題としてのABSAの新たな視点について述べる。
アスペクト項と意見項を協調的に抽出するマルチタスク学習フレームワークを提案する。
提案するフレームワークを,ASBAの4つのSemEvalベンチマークで評価する。
論文 参考訳（メタデータ） (2020-10-04T08:31:54Z)
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。