論文の概要: BanglaASTE: A Novel Framework for Aspect-Sentiment-Opinion Extraction in Bangla E-commerce Reviews Using Ensemble Deep Learning

• arxiv url: http://arxiv.org/abs/2511.21381v1
• Date: Wed, 26 Nov 2025 13:27:54 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-11-27 18:37:59.113686
• Title: BanglaASTE: A Novel Framework for Aspect-Sentiment-Opinion Extraction in Bangla E-commerce Reviews Using Ensemble Deep Learning
• Title（参考訳）: BanglaASTE: 深層学習を用いたバングラEコマースレビューにおけるアスペクト・センシティメント・オピニオン抽出のための新しいフレームワーク
• Authors: Ariful Islam, Md Rifat Hossen, Abir Ahmed, B M Taslimul Haque,
• Abstract要約: Aspect-Based Sentiment Analysis (ABSA)は、ユーザ生成コンテンツからきめ細かい感情的洞察を抽出するための重要なツールとして登場した。 本稿では,Aspect Sentiment Triplet extract(ASTE)のための新しいフレームワークであるBanglaASTEを紹介する。 これは、Bangla製品レビューからアスペクト用語、意見表現、感情極性を同時に識別する。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Aspect-Based Sentiment Analysis (ABSA) has emerged as a critical tool for extracting fine-grained sentiment insights from user-generated content, particularly in e-commerce and social media domains. However, research on Bangla ABSA remains significantly underexplored due to the absence of comprehensive datasets and specialized frameworks for triplet extraction in this language. This paper introduces BanglaASTE, a novel framework for Aspect Sentiment Triplet Extraction (ASTE) that simultaneously identifies aspect terms, opinion expressions, and sentiment polarities from Bangla product reviews. Our contributions include: (1) creation of the first annotated Bangla ASTE dataset containing 3,345 product reviews collected from major e-commerce platforms including Daraz, Facebook, and Rokomari; (2) development of a hybrid classification framework that employs graph-based aspect-opinion matching with semantic similarity techniques; and (3) implementation of an ensemble model combining BanglaBERT contextual embeddings with XGBoost boosting algorithms for enhanced triplet extraction performance. Experimental results demonstrate that our ensemble approach achieves superior performance with 89.9% accuracy and 89.1% F1-score, significantly outperforming baseline models across all evaluation metrics. The framework effectively addresses key challenges in Bangla text processing including informal expressions, spelling variations, and data sparsity. This research advances the state-of-the-art in low-resource language sentiment analysis and provides a scalable solution for Bangla e-commerce analytics applications.
• Abstract（参考訳）: Aspect-Based Sentiment Analysis (ABSA)は、特にeコマースやソーシャルメディアドメインにおいて、ユーザー生成コンテンツからきめ細かい感情的洞察を抽出するための重要なツールとして登場した。 しかし、Bangla ABSAの研究は、包括的なデータセットや、この言語で三重項抽出のための特別なフレームワークが存在しないために、明らかに過小評価されていない。 本稿では,Aspect Sentiment Triplet extract (ASTE) のための新しいフレームワークであるBanglaASTEを紹介する。 コントリビューションには,(1)Daaz,Facebook,Rokomariを含む大手eコマースプラットフォームから収集した3,345件の製品レビューを含む最初の注釈付きBangla ASTEデータセットの作成,(2)グラフベースのアスペクト-オピニオンマッチングとセマンティック類似性技術を用いたハイブリッド分類フレームワークの開発,(3)BanglaBERTコンテキスト埋め込みとXGBoostブースティングアルゴリズムを組み合わせたアンサンブルモデルの実装などが含まれている。 実験により,本手法は89.9%の精度と89.1%のF1スコアで優れた性能を達成し,全ての評価指標のベースラインモデルよりも有意に優れていた。 このフレームワークは、非公式な表現、スペルのバリエーション、データ空間といった、Banglaテキスト処理における重要な課題に効果的に対処する。 本研究は,低リソース言語感情分析の最先端を推し進め,Bangla eコマース分析アプリケーションにスケーラブルなソリューションを提供する。

関連論文リスト

• CrosGrpsABS: Cross-Attention over Syntactic and Semantic Graphs for Aspect-Based Sentiment Analysis in a Low-Resource Language [2.3157475769949616]
  Aspect-Based Sentiment Analysis (ABSA) は自然言語処理の基本的なタスクであり、テキストで表現された意見に対するきめ細かい洞察を提供する。 本研究は,構文グラフとセマンティックグラフ間の双方向の相互アテンションを活用し,アスペクトレベルの感情分類を強化する新しいハイブリッドフレームワークであるCrosGrpsABSを提案する。 低リソースのBengali ABSAデータセットと高リソースのSemEval 2014 Task 4データセットでCrosGrpsABSを評価した。
  論文  参考訳（メタデータ） (2025-05-25T07:42:32Z)
• One-shot In-context Part Segmentation [97.77292483684877]
  パートセグメンテーションの課題に取り組むために,One-shot In-context Part (OIParts) フレームワークを提案する。 私たちのフレームワークは、トレーニングのない、フレキシブルで、データ効率のよいパートセグメンテーションに対して、新しいアプローチを提供します。 我々は多種多様な対象カテゴリで顕著なセグメンテーション性能を達成した。
  論文  参考訳（メタデータ） (2025-03-03T03:50:54Z)
• BanglaBook: A Large-scale Bangla Dataset for Sentiment Analysis from Book Reviews [1.869097450593631]
  本稿では,バングラ書評の大規模データセットについて,肯定,否定,中立の3つのカテゴリに分類される158,065のサンプルからなる。 我々は、SVM、LSTM、Bangla-BERTなどのベースラインを確立するために、さまざまな機械学習モデルを使用します。 この結果から,手作業で作成する機能に依存したモデルよりも,事前訓練したモデルに対して,かなりの性能上の利点が示された。
  論文  参考訳（メタデータ） (2023-05-11T06:27:38Z)
• Open-vocabulary Panoptic Segmentation with Embedding Modulation [71.15502078615587]
  オープン語彙のイメージセグメンテーションは、現実世界における重要な応用のために注目を集めている。 従来のクローズド・ボキャブラリ・セグメンテーション法は、新しいオブジェクトを特徴づけることができないが、最近のいくつかのオープン・ボキャブラリ試みは、満足のいく結果を得る。 オープン語彙パノプトンのための全能的でデータ効率のよいフレームワークであるOPSNetを提案する。
  論文  参考訳（メタデータ） (2023-03-20T17:58:48Z)
• Prompted Opinion Summarization with GPT-3.5 [115.95460650578678]
  GPT-3.5モデルは人体評価において非常に高い性能を示す。 我々は,標準評価指標がこれを反映していないことを論じ,忠実性,事実性,汎用性を重視した3つの新しい指標を導入する。
  論文  参考訳（メタデータ） (2022-11-29T04:06:21Z)
• Weakly-Supervised Aspect-Based Sentiment Analysis via Joint Aspect-Sentiment Topic Embedding [71.2260967797055]
  アスペクトベース感情分析のための弱教師付きアプローチを提案する。 We learn sentiment, aspects> joint topic embeddeds in the word embedding space。 次に、ニューラルネットワークを用いて単語レベルの識別情報を一般化する。
  論文  参考訳（メタデータ） (2020-10-13T21:33:24Z)
• A Dependency Syntactic Knowledge Augmented Interactive Architecture for End-to-End Aspect-based Sentiment Analysis [73.74885246830611]
  エンドツーエンドABSAのためのマルチタスク学習を用いた対話型アーキテクチャを新たに提案する。 このモデルは、よく設計された依存性関係埋め込みグラフ畳み込みネットワーク(DreGcn)を活用することで、構文知識(依存性関係と型)を完全に活用することができる。 3つのベンチマークデータセットの大規模な実験結果から,本手法の有効性が示された。
  論文  参考訳（メタデータ） (2020-04-04T14:59:32Z)

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。