論文の概要: Dialogues Aspect-based Sentiment Quadruple Extraction via Structural Entropy Minimization Partitioning

• arxiv url: http://arxiv.org/abs/2508.05023v1
• Date: Thu, 07 Aug 2025 04:22:17 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-08-08 18:59:39.711214
• Title: Dialogues Aspect-based Sentiment Quadruple Extraction via Structural Entropy Minimization Partitioning
• Title（参考訳）: 構造エントロピー最小化分割による対話型知覚四重項抽出
• Authors: Kun Peng, Cong Cao, Hao Peng, Zhifeng Hao, Lei Jiang, Kongjing Gu, Yanbing Liu, Philip S. Yu,
• Abstract要約: DiaASQは、与えられた複数ラウンドの多人数対話から、ターゲット・アスペクト・オピニオン・センチメントの4倍体を抽出することを目的としている。 まず、発話レベルで個々の感情要素を抽出し、次にサブ対話レベルで四重項をマッチングする。
• 参考スコア（独自算出の注目度）: 54.25737182568224
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Dialogues Aspect-based Sentiment Quadruple Extraction (DiaASQ) aims to extract all target-aspect-opinion-sentiment quadruples from a given multi-round, multi-participant dialogue. Existing methods typically learn word relations across entire dialogues, assuming a uniform distribution of sentiment elements. However, we find that dialogues often contain multiple semantically independent sub-dialogues without clear dependencies between them. Therefore, learning word relationships across the entire dialogue inevitably introduces additional noise into the extraction process. To address this, our method focuses on partitioning dialogues into semantically independent sub-dialogues. Achieving completeness while minimizing these sub-dialogues presents a significant challenge. Simply partitioning based on reply relationships is ineffective. Instead, we propose utilizing a structural entropy minimization algorithm to partition the dialogues. This approach aims to preserve relevant utterances while distinguishing irrelevant ones as much as possible. Furthermore, we introduce a two-step framework for quadruple extraction: first extracting individual sentiment elements at the utterance level, then matching quadruples at the sub-dialogue level. Extensive experiments demonstrate that our approach achieves state-of-the-art performance in DiaASQ with much lower computational costs.
• Abstract（参考訳）: 対話 Aspect-based Sentiment Quadruple extract (DiaASQ) は、与えられた複数ラウンドの多人数対話から全てのターゲット・アスペクト・オピニオン・センタループルを抽出することを目的としている。 既存の方法は通常、感情要素の均一な分布を仮定して、対話全体の単語関係を学習する。 しかし,対話には複数の意味的に独立したサブ対話が含まれており,その相互依存関係が明確でないことが多い。 したがって、対話全体にわたる単語関係の学習は、必然的に抽出プロセスに付加的なノイズをもたらす。 そこで本手法では,対話を意味的に独立したサブ対話に分割することに焦点を当てた。 これらのサブダイアログを最小化しながら完全性を達成することは重要な課題である。 応答関係に基づく単純なパーティショニングは効果がない。 代わりに,構造エントロピー最小化アルゴリズムを用いて対話を分割する手法を提案する。 このアプローチは、無関係な発話をできるだけ区別しながら、関連する発話を保存することを目的としている。 さらに、まず、発話レベルで個々の感情要素を抽出し、次にサブ対話レベルで4つの感情要素をマッチングする2段階の枠組みを導入する。 大規模実験により,DiaASQの計算コストが大幅に低減され,最先端の性能が得られた。

関連論文リスト

• Dynamic Multi-Scale Context Aggregation for Conversational Aspect-Based Sentiment Quadruple Analysis [4.768182075837568]
  DiaASQは、対話の中で、ターゲット・アスペクト・オピニオン感覚の4倍を抽出することを目的としている。 既存の作業はそれぞれの発話を独立して符号化するので、長距離会話のコンテキストを捉えるのに苦労する。 本稿では,新しい動的マルチスケールコンテキストアグリゲーションネットワーク(DMCA)を提案する。
  論文  参考訳（メタデータ） (2023-09-27T08:17:28Z)
• Multi-turn Dialogue Comprehension from a Topic-aware Perspective [70.37126956655985]
  本稿では,話題認識の観点から,マルチターン対話をモデル化することを提案する。 対話文のセグメント化アルゴリズムを用いて、対話文を教師なしの方法でトピック集中フラグメントに分割する。 また,トピックセグメントを処理要素として扱う新しいモデルとして,トピック認識デュアルアテンションマッチング(TADAM)ネットワークを提案する。
  論文  参考訳（メタデータ） (2023-09-18T11:03:55Z)
• Revisiting Conversation Discourse for Dialogue Disentanglement [88.3386821205896]
  本稿では,対話談話特性を最大限に活用し,対話の絡み合いを高めることを提案する。 我々は,会話の意味的文脈をより良くモデル化するために,リッチな構造的特徴を統合する構造認識フレームワークを開発した。 我々の研究は、より広範なマルチスレッド対話アプリケーションを促進する大きな可能性を秘めている。
  論文  参考訳（メタデータ） (2023-06-06T19:17:47Z)
• Improve Retrieval-based Dialogue System via Syntax-Informed Attention [46.79601705850277]
  文内構文情報と文間構文情報の両方を考慮したSIA, Syntax-Informed Attentionを提案する。 提案手法を広範に使用した3つのベンチマークで評価し,対話応答選択における本手法の一般的な優位性を示す実験結果を得た。
  論文  参考訳（メタデータ） (2023-03-12T08:14:16Z)
• SPACE-2: Tree-Structured Semi-Supervised Contrastive Pre-training for Task-Oriented Dialog Understanding [68.94808536012371]
  本稿では,限定ラベル付きダイアログと大規模未ラベルダイアログコーパスから対話表現を学習する,木構造付き事前学習会話モデルを提案する。 提案手法は,7つのデータセットと4つの一般的な対話理解タスクからなるDialoGLUEベンチマークにおいて,最新の結果が得られる。
  論文  参考訳（メタデータ） (2022-09-14T13:42:50Z)
• Who says like a style of Vitamin: Towards Syntax-Aware DialogueSummarization using Multi-task Learning [2.251583286448503]
  個々の話者からの発声と独特の統語構造との関係に焦点をあてる。 話者は、音声プリントのような言語情報を含むことができる独自のテキストスタイルを持つ。 構文認識情報と対話要約の両方をマルチタスクで学習する。
  論文  参考訳（メタデータ） (2021-09-29T05:30:39Z)
• Speaker-Oriented Latent Structures for Dialogue-Based Relation Extraction [10.381257436462116]
  そこで我々は,話者指向の潜在構造を明瞭に誘導し,DiaREを改善する新しいモデルSOLSを提案する。 具体的には,発話境界を超えたトークン間の関係を捉えるために,潜在構造を学習する。 学習過程において、話者固有の正規化手法は、話者に関連するキーキーを徐々に強調し、無関係なキーを消去する。
  論文  参考訳（メタデータ） (2021-09-11T04:24:51Z)
• Rethinking Dialogue State Tracking with Reasoning [76.0991910623001]
  本稿では, 対話状態の段階的追跡を, バックエンドデータの助けを借りて行うことを提案する。 実験の結果,MultiWOZ 2.1の連立信条精度は38.6%向上した。
  論文  参考訳（メタデータ） (2020-05-27T02:05:33Z)

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。