論文の概要: Dynamic Span Interaction and Graph-Aware Memory for Entity-Level Sentiment Classification

• arxiv url: http://arxiv.org/abs/2509.11604v1
• Date: Mon, 15 Sep 2025 05:47:57 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-09-16 17:26:23.163633
• Title: Dynamic Span Interaction and Graph-Aware Memory for Entity-Level Sentiment Classification
• Title（参考訳）: Entity-Level Sentiment分類のための動的スパン相互作用とグラフ認識メモリ
• Authors: Md. Mithun Hossain, Sanjara, Md. Shakil Hossain, Sudipto Chaki,
• Abstract要約: SpanEITは、エンティティレベルの感情分類のための新しいフレームワークである。 動的スパン相互作用とグラフ対応メモリ機構を統合し、強化されたエンティティ・センチメント・リレーショナル・モデリングを行う。 FSAD、BARU、IMDBデータセットの実験では、SpanEITは最先端のトランスフォーマーとハイブリッドベースラインの精度、F1スコアを上回っている。
• 参考スコア（独自算出の注目度）: 0.2099922236065961
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Entity-level sentiment classification involves identifying the sentiment polarity linked to specific entities within text. This task poses several challenges: effectively modeling the subtle and complex interactions between entities and their surrounding sentiment expressions; capturing dependencies that may span across sentences; and ensuring consistent sentiment predictions for multiple mentions of the same entity through coreference resolution. Additionally, linguistic phenomena such as negation, ambiguity, and overlapping opinions further complicate the analysis. These complexities make entity-level sentiment classification a difficult problem, especially in real-world, noisy textual data. To address these issues, we propose SpanEIT, a novel framework integrating dynamic span interaction and graph-aware memory mechanisms for enhanced entity-sentiment relational modeling. SpanEIT builds span-based representations for entities and candidate sentiment phrases, employs bidirectional attention for fine-grained interactions, and uses a graph attention network to capture syntactic and co-occurrence relations. A coreference-aware memory module ensures entity-level consistency across documents. Experiments on FSAD, BARU, and IMDB datasets show SpanEIT outperforms state-of-the-art transformer and hybrid baselines in accuracy and F1 scores. Ablation and interpretability analyses validate the effectiveness of our approach, underscoring its potential for fine-grained sentiment analysis in applications like social media monitoring and customer feedback analysis.
• Abstract（参考訳）: エンティティレベルの感情分類では、テキスト内の特定のエンティティに関連付けられた感情の極性を特定する。 このタスクは、エンティティとその周辺の感情表現の間の微妙で複雑な相互作用を効果的にモデル化すること、文にまたがる依存関係をキャプチャすること、コア参照解決を通じて同じエンティティの複数の参照に対する一貫性のある感情予測を保証すること、など、いくつかの課題を提起する。 さらに、否定、曖昧さ、重複する意見などの言語現象は分析をさらに複雑にしている。 これらの複雑さは、特に実世界の騒々しいテキストデータにおいて、エンティティレベルの感情分類を困難な問題にしている。 これらの問題に対処するために、動的スパン相互作用とグラフ認識メモリ機構を統合した新しいフレームワークSpanEITを提案する。 SpanEITは、エンティティと候補感情句のスパンベース表現を構築し、きめ細かいインタラクションに双方向の注意をあて、グラフアテンションネットワークを使用して、構文的および共起的関係をキャプチャする。 coreference-awareメモリモジュールは、ドキュメント間のエンティティレベルの一貫性を保証する。 FSAD、BARU、IMDBデータセットの実験では、SpanEITは最先端のトランスフォーマーとハイブリッドベースラインの精度、F1スコアを上回っている。 ソーシャルメディアのモニタリングや顧客からのフィードバック分析といった応用における微粒な感情分析の可能性について,アブレーションと解釈可能性分析により検証した。

関連論文リスト

• Knowledge Graph Completion with Relation-Aware Anchor Enhancement [50.50944396454757]
  関係認識型アンカー強化知識グラフ補完法(RAA-KGC)を提案する。 まず、ヘッダーのリレーショナル・アウェア・エリア内でアンカー・エンティティを生成します。 次に、アンカーの近傍に埋め込まれたクエリを引っ張ることで、ターゲットのエンティティマッチングに対してより差別的になるように調整する。
  論文  参考訳（メタデータ） (2025-04-08T15:22:08Z)
• SAFT: Structure-aware Transformers for Textual Interaction Classification [15.022958096869734]
  テキスト・インタラクション・ネットワーク(英語: Textual Interaction Network, TIN)は、Eコマースのウェブサイトやソーシャルネットワークなどにおけるユーザとアイテム間のインタラクションをモデル化するためのデータ構造である。 対話の表現学習において,テキストおよび構造的意味論を効果的に融合するために,言語およびグラフベースのモジュールを統合する新しいアーキテクチャであるSAFTを提案する。
  論文  参考訳（メタデータ） (2025-04-07T09:19:12Z)
• Effective Context Modeling Framework for Emotion Recognition in Conversations [2.7175580940471913]
  会話における感情認識(英語: Emotion Recognition in Conversations, ERC)は、会話中の各発話における話者による感情のより深い理解を促進する。 最近のグラフニューラルネットワーク(GNN)は、データ関係をキャプチャする上で、その強みを実証している。 本稿では,会話中の文脈情報をキャプチャする新しいGNNベースのフレームワークであるConxGNNを提案する。
  論文  参考訳（メタデータ） (2024-12-21T02:22:06Z)
• HMGIE: Hierarchical and Multi-Grained Inconsistency Evaluation for Vision-Language Data Cleansing [54.970275599061594]
  我々は階層的・多階層的不整合評価(HMGIE)と呼ばれる適応的評価フレームワークを設計する。 HMGIEは、様々な画像キャプチャー対の精度と完全性の両方をカバーする多粒度評価を提供する。 提案手法の有効性と柔軟性を検証するため,様々なタイプの画像キャプチャー・データセットであるMVTIDを構築した。
  論文  参考訳（メタデータ） (2024-12-07T15:47:49Z)
• Unsupervised Robust Cross-Lingual Entity Alignment via Neighbor Triple Matching with Entity and Relation Texts [17.477542644785483]
  言語間エンティティアライメント(EA)は、異なる言語間での複数の知識グラフ(KG)の統合を可能にする。 近隣の3重マッチング戦略により、エンティティレベルとリレーレベルアライメントを共同で実行するEAパイプライン。
  論文  参考訳（メタデータ） (2024-07-22T12:25:48Z)
• Unleashing the Potential of Text-attributed Graphs: Automatic Relation Decomposition via Large Language Models [31.443478448031886]
  RoSE (Relation-oriented Semantic Edge-Decomposition) は、生のテキスト属性を分析してグラフ構造を分解する新しいフレームワークである。 我々のフレームワークは、さまざまなデータセットのノード分類性能を大幅に向上させ、ウィスコンシンデータセットでは最大16%の改善を実現した。
  論文  参考訳（メタデータ） (2024-05-28T20:54:47Z)
• Multi-Grained Multimodal Interaction Network for Entity Linking [65.30260033700338]
  マルチモーダルエンティティリンクタスクは、マルチモーダル知識グラフへの曖昧な言及を解決することを目的としている。 MELタスクを解決するための新しいMulti-Grained Multimodal InteraCtion Network $textbf(MIMIC)$ frameworkを提案する。
  論文  参考訳（メタデータ） (2023-07-19T02:11:19Z)
• Dynamic Hybrid Relation Network for Cross-Domain Context-Dependent Semantic Parsing [52.24507547010127]
  ドメイン間コンテキスト依存のセマンティック解析は研究の新たな焦点である。 本稿では,コンテキストの発話,トークン,データベーススキーマ,会話の進行に伴う複雑なインタラクションを効果的にモデル化する動的グラフフレームワークを提案する。 提案したフレームワークは既存のモデルを大きなマージンで上回り、2つの大規模ベンチマークで新しい最先端性能を達成する。
  論文  参考訳（メタデータ） (2021-01-05T18:11:29Z)
• ConsNet: Learning Consistency Graph for Zero-Shot Human-Object Interaction Detection [101.56529337489417]
  画像中のHuman, Action, Object>の形のHOIインスタンスを検出・認識することを目的としたHuman-Object Interaction (HOI) Detectionの問題点を考察する。 我々は、オブジェクト、アクション、インタラクション間の多レベルコンパレンシーは、稀な、あるいは以前には見られなかったHOIのセマンティック表現を生成するための強力な手がかりであると主張している。 提案モデルでは,人-対象のペアの視覚的特徴とHOIラベルの単語埋め込みを入力とし,それらを視覚-意味的関節埋め込み空間にマッピングし,類似度を計測して検出結果を得る。
  論文  参考訳（メタデータ） (2020-08-14T09:11:18Z)

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。