論文の概要: Listwise Preference Optimization with Element-wise Confusions for Aspect Sentiment Quad Prediction

• arxiv url: http://arxiv.org/abs/2511.23184v1
• Date: Fri, 28 Nov 2025 13:52:01 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-12-01 19:47:55.912815
• Title: Listwise Preference Optimization with Element-wise Confusions for Aspect Sentiment Quad Prediction
• Title（参考訳）: Aspect Sentiment Quad Predictionのための要素的コンフュージョンを用いたリストワイズ選好最適化
• Authors: Wenna Lai, Haoran Xie, Guandong Xu, Qing Li, S. Joe Qin,
• Abstract要約: アスペクト感情クワッド予測(ASQP)は、4つの中核的な感情要素を持つ構造化された四重項を予測することが本質的に困難である。 従来の手法では、マーカーに基づく予測は要素間の複雑な関係をモデル化するのに苦労する。 我々は、統一テンプレート内の要素プレフィックスの下で、四重項と自然言語の理性の両方を出力するために、推論に基づく生成を用いる。
• 参考スコア（独自算出の注目度）: 14.189537313152954
• License: http://creativecommons.org/licenses/by-nc-sa/4.0/
• Abstract: Aspect sentiment quad prediction (ASQP) is inherently challenging to predict a structured quadruple with four core sentiment elements, including aspect term (a), aspect category (c), opinion term (o), and sentiment polarity (s). Prior methods relying on marker-based prediction struggle with modeling the intricate relationships among elements and experience sharp performance declines when predicting higher-order elements (e.g., c and s) under standard supervised fine-tuning. To address these limitations, we employ reasoning-based generation to output both the quadruple and a natural language rationale under element prefixes within a unified template, encouraging explicit relational reasoning and interpretability. To further enhance element-wise alignment, we introduce a listwise preference optimization framework for improving structural validity and relational coherence. Specifically, we generate element-wise confusable candidates via syntactic and semantic proximity, then train the model with listwise objectives to prefer the gold candidates over closely competing alternatives. Extensive experiments on four benchmark datasets demonstrate that our framework effectively improves quadruple prediction accuracy and explanation consistency.
• Abstract（参考訳）: アスペクト項(a)、アスペクトカテゴリー(c)、意見項(o)、感情極性(s)を含む4つの中核的な感情要素を持つ構造的四重項を予測することは本質的に困難である。 従来の手法では、標準的な教師付き微調整の下で高次要素(例えば、c、s)を予測する際に、要素間の複雑な関係をモデル化し、急激な性能低下を経験する。 これらの制約に対処するために、我々は推論に基づく生成を用いて、統一テンプレート内の要素プレフィックスの下で四重項と自然言語の理性の両方を出力し、明示的なリレーショナル推論と解釈可能性を促進する。 要素のアライメントをさらに強化するために、構造的妥当性とリレーショナルコヒーレンスを改善するためのリストワイズ優先最適化フレームワークを導入する。 具体的には、構文的およびセマンティックな近接性を通して要素的に不確定な候補を生成し、その後、厳密な競合する選択肢よりも金の候補を好むように、リストワイズでモデルを訓練する。 4つのベンチマークデータセットに対する大規模な実験により、我々のフレームワークは4倍の予測精度と説明整合性を効果的に改善することを示した。

関連論文リスト

• AIR: A Systematic Analysis of Annotations, Instructions, and Response Pairs in Preference Dataset [89.37514696019484]
  嗜好学習は、大きな言語モデルと人間の価値の整合に不可欠である。 私たちの作業は、好みのデータセット設計をアドホックなスケーリングからコンポーネント対応の最適化にシフトします。
  論文  参考訳（メタデータ） (2025-04-04T17:33:07Z)
• STAR: Stepwise Task Augmentation and Relation Learning for Aspect Sentiment Quad Prediction [18.836998294161834]
  アスペクトベース感情分析(ABSA)は、アスペクト項、アスペクトカテゴリー、意見項、感情極性を含む4つの感情要素を特定することを目的としている。 最も困難なタスクであるアスペクト感情クワッド予測(ASQP)は、これらの要素を同時に予測し、異なる感情要素を正確に結合することの難しさを妨げます。 人間の推論に触発された戦略であるSTAR(Stepwise Task Augmentation and Relation Learning)を提案する。
  論文  参考訳（メタデータ） (2025-01-27T14:41:20Z)
• Self-Consistent Reasoning-based Aspect-Sentiment Quad Prediction with Extract-Then-Assign Strategy [17.477542644785483]
  自己整合性推論に基づくアスペクト知覚四重項予測(SCRAP)を提案する。 SCRAPはそのモデルを最適化し、推論とそれに対応する感情四重項を順番に生成する。 最終的に、SCRAPは、複雑な推論タスクを処理し、一貫性投票によって四重項を正確に予測するモデルの能力を大幅に改善する。
  論文  参考訳（メタデータ） (2024-03-01T08:34:02Z)
• Coherent Entity Disambiguation via Modeling Topic and Categorical Dependency [87.16283281290053]
  従来のエンティティ曖昧化(ED)メソッドは、参照コンテキストと候補エンティティの一致するスコアに基づいて予測を行う、識別パラダイムを採用している。 本稿では,エンティティ予測のコヒーレンス向上を目的とした新しいデザインを備えたEDシステムであるCoherentedを提案する。 我々は、人気EDベンチマークにおいて、平均1.3F1ポイントの改善により、最先端の新たな結果を得る。
  論文  参考訳（メタデータ） (2023-11-06T16:40:13Z)
• Improving Aspect Sentiment Quad Prediction via Template-Order Data Augmentation [14.962445913454747]
  アスペクトレベルの感情分析の分野では,アスペクト感情クワッド予測(ASQP)が一般的な課題となっている。 以前の作業では、定義済みのテンプレートを使用して、元の文を構造的ターゲットシーケンスに言い換える。 テンプレートオーダの効果について検討し,いくつかのオーダが生成モデルの性能向上に有効であることを示す。
  論文  参考訳（メタデータ） (2022-10-19T04:31:08Z)
• Instruction Tuning for Few-Shot Aspect-Based Sentiment Analysis [72.9124467710526]
  生成的アプローチは、テキストから(1つ以上の)4つの要素を1つのタスクとして抽出するために提案されている。 本稿では,ABSAを解くための統一的なフレームワークと,それに関連するサブタスクを提案する。
  論文  参考訳（メタデータ） (2022-10-12T23:38:57Z)
• Aspect Sentiment Quad Prediction as Paraphrase Generation [53.33072918744124]
  Aspect Sentiment Quad Prediction (ASQP)タスクを導入し、与えられた意見文に対するクワッド内のすべての感情要素を共同で検出することを目的とした。 本稿では,ASQP タスクをパラフレーズ生成プロセスにキャストする新しいtextscParaphrase モデリングパラダイムを提案する。 一方、感情要素のセマンティクスは、自然言語形式でそれらを生成する学習によって完全に活用することができる。
  論文  参考訳（メタデータ） (2021-10-02T12:57:27Z)

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。