論文の概要: From Graphs to Hypergraphs: Enhancing Aspect-Based Sentiment Analysis via Multi-Level Relational Modeling

• arxiv url: http://arxiv.org/abs/2511.14142v1
• Date: Tue, 18 Nov 2025 05:01:25 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-11-19 16:23:52.944411
• Title: From Graphs to Hypergraphs: Enhancing Aspect-Based Sentiment Analysis via Multi-Level Relational Modeling
• Title（参考訳）: グラフからハイパーグラフへ:マルチレベル関係モデリングによるアスペクトベース感性分析の強化
• Authors: Omkar Mahesh Kashyap, Padegal Amit, Madhav Kashyap, Ashwini M Joshi, Shylaja SS,
• Abstract要約: サンプル固有階層クラスタリングによりアスペクトオピニオン構造を誘導する動的ハイパーグラフフレームワークであるHyperABSAを提案する。 3つのベンチマークの実験では、強力なグラフベースラインよりも一貫した改善が見られた。
• 参考スコア（独自算出の注目度）: 0.04349640169711269
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Aspect-Based Sentiment Analysis (ABSA) predicts sentiment polarity for specific aspect terms, a task made difficult by conflicting sentiments across aspects and the sparse context of short texts. Prior graph-based approaches model only pairwise dependencies, forcing them to construct multiple graphs for different relational views. These introduce redundancy, parameter overhead, and error propagation during fusion, limiting robustness in short-text, low-resource settings. We present HyperABSA, a dynamic hypergraph framework that induces aspect-opinion structures through sample-specific hierarchical clustering. To construct these hyperedges, we introduce a novel acceleration-fallback cutoff for hierarchical clustering, which adaptively determines the level of granularity. Experiments on three benchmarks (Lap14, Rest14, MAMS) show consistent improvements over strong graph baselines, with substantial gains when paired with RoBERTa backbones. These results position dynamic hypergraph construction as an efficient, powerful alternative for ABSA, with potential extensions to other short-text NLP tasks.
• Abstract（参考訳）: Aspect-Based Sentiment Analysis (ABSA) は特定の側面の感情極性を予測する。 従来のグラフベースのアプローチは、ペア依存のみをモデル化し、異なるリレーショナルビューのための複数のグラフを構築することを強制する。 これらは、融合中の冗長性、パラメータのオーバーヘッド、エラーの伝搬を導入し、短文、低リソース設定での堅牢性を制限する。 サンプル固有階層クラスタリングによりアスペクトオピニオン構造を誘導する動的ハイパーグラフフレームワークであるHyperABSAを提案する。 これらのハイパーエッジを構築するために、階層クラスタリングのための新しいアクセラレーションフォールバックカットオフを導入し、粒度を適応的に決定する。 3つのベンチマーク(Lap14、Rest14、MAMS)の実験では、強力なグラフベースラインよりも一貫した改善が見られた。 これらの結果は、動的ハイパーグラフ構築をABSAの効率的で強力な代替品として位置づけ、他の短文NLPタスクにも拡張できる可能性がある。

関連論文リスト

• OTESGN: Optimal Transport-Enhanced Syntactic-Semantic Graph Networks for Aspect-Based Sentiment Analysis [5.444885665589783]
  アスペクトベースの感情分析は、アスペクト項を特定し、その感情極性を決定することを目的としている。 本稿では,構造的および分布的信号の統合モデルであるOTESGN(Optimal Transport-Enhanced Syntactic-Semantic Graph Network)を提案する。
  論文  参考訳（メタデータ） (2025-09-10T14:08:58Z)
• Learning Efficient and Generalizable Graph Retriever for Knowledge-Graph Question Answering [75.12322966980003]
  大規模言語モデル(LLM)は、様々な領域にわたって強い帰納的推論能力を示している。 既存のRAGパイプラインのほとんどは非構造化テキストに依存しており、解釈可能性と構造化推論を制限する。 近年,知識グラフ解答のための知識グラフとLLMの統合について検討している。 KGQAにおける効率的なグラフ検索のための新しいフレームワークであるRAPLを提案する。
  論文  参考訳（メタデータ） (2025-06-11T12:03:52Z)
• Lower Ricci Curvature for Hypergraphs [3.9965784551765697]
  我々は,解釈可能性と効率のバランスを原則とする閉形式で定義された新しい曲率指標であるハイパーグラフ下曲率(HLRC)を導入する。 HLRCは、コミュニティ内のハイパーエッジの識別、潜在意味ラベルの発見、時間的ダイナミクスの追跡、グローバル構造に基づくハイパーグラフの堅牢なクラスタリングのサポートなど、有意義な高次の組織を一貫して明らかにしている。
  論文  参考訳（メタデータ） (2025-06-04T13:32:09Z)
• HyperQuery: Beyond Binary Link Prediction [0.7100520098029438]
  ノードレベルのクラスタリングを用いた新しい特徴抽出手法を導入し,ノードレベルのラベルからのデータの統合によってシステム性能が向上することを示す。 我々の自己教師型アプローチは、いくつかのハイパーエッジ予測と知識ハイパーグラフ補完ベンチマークに基づいて、アートベースラインの状態を大幅に改善する。
  論文  参考訳（メタデータ） (2025-01-13T22:46:24Z)
• LAMP: Learnable Meta-Path Guided Adversarial Contrastive Learning for Heterogeneous Graphs [22.322402072526927]
  Heterogeneous Graph Contrastive Learning (HGCL)は通常、事前に定義されたメタパスを必要とする。 textsfLAMPは様々なメタパスのサブグラフを統一的で安定した構造に統合する。 textsfLAMPは、精度と堅牢性の観点から、既存の最先端の教師なしモデルよりも大幅に優れています。
  論文  参考訳（メタデータ） (2024-09-10T08:27:39Z)
• A Pure Transformer Pretraining Framework on Text-attributed Graphs [50.833130854272774]
  グラフ構造を先行として扱うことで,特徴中心の事前学習の視点を導入する。 我々のフレームワークであるGraph Sequence Pretraining with Transformer (GSPT)はランダムウォークを通してノードコンテキストをサンプリングする。 GSPTはノード分類とリンク予測の両方に容易に適応でき、様々なデータセットで有望な経験的成功を示す。
  論文  参考訳（メタデータ） (2024-06-19T22:30:08Z)
• Hypergraph Neural Networks through the Lens of Message Passing: A Common Perspective to Homophily and Architecture Design [6.993718963663415]
  メッセージ・パッシング・スキームに基づく高階ネットワークにおけるホモフィリーの新たな概念化を提案する。 我々は、HNN内の高次構造を処理するための自然で、ほとんど探索されていない戦略について検討する。
  論文  参考訳（メタデータ） (2023-10-11T17:35:20Z)
• Histopathology Whole Slide Image Analysis with Heterogeneous Graph Representation Learning [78.49090351193269]
  本稿では,WSI分析のために,異なる種類の核間の相互関係を利用する新しいグラフベースのフレームワークを提案する。 具体的には、WSI を各ノードに "nucleus-type" 属性と各エッジに類似した意味属性を持つ異種グラフとして定式化する。 我々のフレームワークは、様々なタスクに対してかなりのマージンで最先端の手法より優れています。
  論文  参考訳（メタデータ） (2023-07-09T14:43:40Z)
• From Hypergraph Energy Functions to Hypergraph Neural Networks [94.88564151540459]
  パラメータ化されたハイパーグラフ正規化エネルギー関数の表現型族を示す。 次に、これらのエネルギーの最小化がノード埋め込みとして効果的に機能することを実証する。 提案した双レベルハイパーグラフ最適化と既存のGNNアーキテクチャを共通的に用いている。
  論文  参考訳（メタデータ） (2023-06-16T04:40:59Z)
• Spatial-spectral Hyperspectral Image Classification via Multiple Random Anchor Graphs Ensemble Learning [88.60285937702304]
  本稿では,複数のランダムアンカーグラフアンサンブル学習(RAGE)を用いた空間スペクトルHSI分類手法を提案する。 まず、各選択されたバンドのより記述的な特徴を抽出し、局所的な構造と領域の微妙な変化を保存するローカルバイナリパターンを採用する。 次に,アンカーグラフの構成に適応隣接代入を導入し,計算複雑性を低減した。
  論文  参考訳（メタデータ） (2021-03-25T09:31:41Z)

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。