論文の概要: Data-Efficient Adaptation and a Novel Evaluation Method for Aspect-based Sentiment Analysis
- arxiv url: http://arxiv.org/abs/2511.03034v1
- Date: Tue, 04 Nov 2025 22:11:10 GMT
- ステータス: 翻訳完了
- システム内更新日: 2025-11-06 18:19:32.261387
- Title: Data-Efficient Adaptation and a Novel Evaluation Method for Aspect-based Sentiment Analysis
- Title（参考訳）: データ効率のよい適応法とアスペクトベース感性分析のための新しい評価法
- Authors: Yan Cathy Hua, Paul Denny, Jörg Wicker, Katerina Taškova,
- Abstract要約: ABSAの研究ニーズは、教育や医療など、オンデマンドで低リソースの分野では未完成である。
正確な一致に基づく従来の評価手法は、ABSAタスクに対して過度に厳格である。
本稿では,フレキシブルテキスト類似性マッチングと最適バイパーティイトペアリングという新しい評価手法を提案する。
本稿では,小型デコーダのみの生成言語モデルに関するABSA研究について紹介する。
- 参考スコア（独自算出の注目度）: 2.3949433621799283
- License: http://creativecommons.org/licenses/by-nc-sa/4.0/
- Abstract: Aspect-based Sentiment Analysis (ABSA) is a fine-grained opinion mining approach that identifies and classifies opinions associated with specific entities (aspects) or their categories within a sentence. Despite its rapid growth and broad potential, ABSA research and resources remain concentrated in commercial domains, leaving analytical needs unmet in high-demand yet low-resource areas such as education and healthcare. Domain adaptation challenges and most existing methods' reliance on resource-intensive in-training knowledge injection further hinder progress in these areas. Moreover, traditional evaluation methods based on exact matches are overly rigid for ABSA tasks, penalising any boundary variations which may misrepresent the performance of generative models. This work addresses these gaps through three contributions: 1) We propose a novel evaluation method, Flexible Text Similarity Matching and Optimal Bipartite Pairing (FTS-OBP), which accommodates realistic extraction boundary variations while maintaining strong correlation with traditional metrics and offering fine-grained diagnostics. 2) We present the first ABSA study of small decoder-only generative language models (SLMs; <7B parameters), examining resource lower bounds via a case study in education review ABSA. We systematically explore data-free (in-context learning and weight merging) and data-light fine-tuning methods, and propose a multitask fine-tuning strategy that significantly enhances SLM performance, enabling 1.5-3.8 B models to surpass proprietary large models and approach benchmark results with only 200-1,000 examples on a single GPU. 3) We release the first public set of education review ABSA resources to support future research in low-resource domains.
- Abstract（参考訳）: アスペクトベースの感性分析(Aspect-based Sentiment Analysis、ABSA)は、特定のエンティティ(アスペクト)またはそれらのカテゴリに関連する意見を特定し分類する、きめ細かい意見マイニング手法である。
急速な成長と幅広い可能性にもかかわらず、ABSAの研究と資源は商業領域に集中し続け、教育や医療などの低リソースの領域で分析のニーズは未解決のままである。
ドメイン適応の課題と既存のほとんどの手法は、リソース集約的なイントレーニングの知識注入に依存しており、これらの領域のさらなる進歩を妨げる。
さらに、正確な一致に基づく従来の評価手法はABSAタスクに対して過度に厳密であり、生成モデルの性能を誤って表現する可能性のある境界変動を考慮に入れている。
この研究は、以下の3つの貢献を通じて、これらのギャップに対処する。
1) フレキシブルテキスト類似性マッチングと最適二部ペアリング(FTS-OBP)という新しい評価手法を提案する。
2)小さなデコーダのみの生成言語モデル(SLM; <7Bパラメータ)に関するABSAによる最初の研究を,ABSAのケーススタディで行った。
我々は、データフリー(コンテキスト内学習と重み付け)とデータライトの微調整手法を体系的に検討し、SLM性能を大幅に向上させるマルチタスク微調整戦略を提案し、1.5-3.8Bモデルがプロプライエタリな大規模モデルを超え、ベンチマーク結果にアプローチすることを可能にする。
3)低リソース領域における今後の研究を支援するため,第1回教育審査ABSAリソースの公開版をリリースする。
関連論文リスト
- Exploring Zero-Shot ACSA with Unified Meaning Representation in Chain-of-Thought Prompting [4.14197005718384]
Aspect-Category Sentiment Analysis (ACSA)は、レビュー内の特定のテーマと関連する感情を識別することによって、詳細な洞察を提供する。
ゼロショット設定で大規模言語モデル(LLM)を活用することは、データアノテーションのリソースが制限される実用的な代替手段である、と我々は主張する。
本稿では、中間的統一意味表現(UMR)を利用してACSAタスクの推論プロセスを構築する新しいChain-of-Thought(CoT)プロンプト手法を提案する。
論文 参考訳（メタデータ） (2025-12-22T18:23:37Z) - LLM Unlearning Under the Microscope: A Full-Stack View on Methods and Metrics [10.638045151201084]
本稿では,近年のステートフル・アンラーニング法12の原則的分類について述べる。
未学習効果(UE)、実用性維持(UT)、堅牢性(Rob)の評価を再考する。
分析の結果,Multiple-choice question (MCQ) の精度に支配される現在の評価は,狭い視点しか示さないことがわかった。
論文 参考訳（メタデータ） (2025-10-08T23:47:05Z) - Domain-Adaptive Pre-Training for Arabic Aspect-Based Sentiment Analysis: A Comparative Study of Domain Adaptation and Fine-Tuning Strategies [0.7690409460019577]
本研究では,アスペクト知覚分類(ASC)と意見目標表現(OTE)抽出のためのドメイン適応型事前学習を用いた新しいアプローチを提案する。
この結果から,ドメイン内適応型事前学習が適度な改善をもたらすことが示唆された。
エラー解析は、モデル予測とデータセットラベリングの問題を明らかにする。
論文 参考訳（メタデータ） (2025-09-20T19:32:16Z) - ROAST: Review-level Opinion Aspect Sentiment Target Joint Detection for ABSA [50.90538760832107]
本研究は新たな課題であるROAST(Review-Level Opinion Aspect Sentiment Target)を提示する。
ROASTは、文章レベルのABSAとテキストレベルのABSAのギャップを埋めようとしている。
利用可能なデータセットを拡張してROASTを有効にし、以前の研究で指摘された欠点に対処します。
論文 参考訳（メタデータ） (2024-05-30T17:29:15Z) - A Novel Energy based Model Mechanism for Multi-modal Aspect-Based
Sentiment Analysis [85.77557381023617]
マルチモーダル感情分析のための新しいフレームワークDQPSAを提案する。
PDQモジュールは、プロンプトをビジュアルクエリと言語クエリの両方として使用し、プロンプト対応の視覚情報を抽出する。
EPEモジュールはエネルギーベースモデルの観点から解析対象の境界ペアリングをモデル化する。
論文 参考訳（メタデータ） (2023-12-13T12:00:46Z) - A Systematic Review of Aspect-based Sentiment Analysis: Domains, Methods, and Trends [2.781593421115434]
アスペクトベースの感情分析(ABSA)は、アスペクトとその関連する意見をテキストから識別する、きめ細かいタイプの感情分析である。
デジタル評価されたテキストデータの増加に伴い、ABSAはより詳細で目標とする洞察を掘り下げる能力で人気を博した。
本稿では,これらの基本コンポーネント間の傾向と高レベルな関係に着目したABSA研究の体系的な文献レビューを行う。
論文 参考訳（メタデータ） (2023-11-16T06:01:47Z) - Bias and Fairness in Large Language Models: A Survey [73.87651986156006]
本稿では,大規模言語モデル(LLM)のバイアス評価と緩和手法に関する総合的な調査を行う。
まず、自然言語処理における社会的偏見と公平性の概念を統合し、形式化し、拡張する。
次に,3つの直感的な2つのバイアス評価法と1つの緩和法を提案し,文献を統一する。
論文 参考訳（メタデータ） (2023-09-02T00:32:55Z) - On the Robustness of Aspect-based Sentiment Analysis: Rethinking Model,
Data, and Training [109.9218185711916]
アスペクトベースの感情分析(ABSA)は、ソーシャルメディアのテキストやレビューの背後にある製品やサービスの特定の側面に対して、特定の感情の極性を自動的に推測することを目的としている。
我々は、モデル、データ、トレーニングを含むあらゆる可能な角度からボトルネックを体系的に再考することで、ABSAの堅牢性を高めることを提案する。
論文 参考訳（メタデータ） (2023-04-19T11:07:43Z) - A Simple Information-Based Approach to Unsupervised Domain-Adaptive
Aspect-Based Sentiment Analysis [58.124424775536326]
本稿では,相互情報に基づくシンプルだが効果的な手法を提案し,それらの用語を抽出する。
実験の結果,提案手法はクロスドメインABSAの最先端手法よりも4.32%高い性能を示した。
論文 参考訳（メタデータ） (2022-01-29T10:18:07Z) - SAIS: Supervising and Augmenting Intermediate Steps for Document-Level
Relation Extraction [51.27558374091491]
本稿では,関係抽出のための中間ステップ(SAIS)を監督し,拡張することにより,関連コンテキストやエンティティタイプをキャプチャするモデルを明示的に教えることを提案する。
そこで本提案手法は,より効果的な管理を行うため,より優れた品質の関係を抽出するだけでなく,それに対応する証拠をより正確に抽出する。
論文 参考訳（メタデータ） (2021-09-24T17:37:35Z) - Generic Semi-Supervised Adversarial Subject Translation for Sensor-Based
Human Activity Recognition [6.2997667081978825]
本稿では,人間活動認識における半教師付きドメイン適応のための,新しい汎用的で堅牢なアプローチを提案する。
本手法は,対象対象対象と対象対象対象対象からのみ注釈付きサンプルからの知識を活用することにより,問題点に対処するための敵対的枠組みの利点を生かしている。
その結果,提案手法が最先端手法に対して有効であることを示し,オポチュニティ,LISSI,PAMAP2データセットの高レベルのアクティビティ認識指標を最大13%,4%,13%改善した。
論文 参考訳（メタデータ） (2020-11-11T12:16:23Z)
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。