論文の概要: Exploring Zero-Shot ACSA with Unified Meaning Representation in Chain-of-Thought Prompting

• arxiv url: http://arxiv.org/abs/2512.19651v1
• Date: Mon, 22 Dec 2025 18:23:37 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-12-23 18:54:32.877323
• Title: Exploring Zero-Shot ACSA with Unified Meaning Representation in Chain-of-Thought Prompting
• Title（参考訳）: チェーン・オブ・サート・プロンプティングにおける統一意味表現によるゼロショットACSAの探索
• Authors: Filippos Ventirozos, Peter Appleby, Matthew Shardlow,
• Abstract要約: 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。
• 参考スコア（独自算出の注目度）: 4.14197005718384
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Aspect-Category Sentiment Analysis (ACSA) provides granular insights by identifying specific themes within reviews and their associated sentiment. While supervised learning approaches dominate this field, the scarcity and high cost of annotated data for new domains present significant barriers. We argue that leveraging large language models (LLMs) in a zero-shot setting is a practical alternative where resources for data annotation are limited. In this work, we propose a novel Chain-of-Thought (CoT) prompting technique that utilises an intermediate Unified Meaning Representation (UMR) to structure the reasoning process for the ACSA task. We evaluate this UMR-based approach against a standard CoT baseline across three models (Qwen3-4B, Qwen3-8B, and Gemini-2.5-Pro) and four diverse datasets. Our findings suggest that UMR effectiveness may be model-dependent. Whilst preliminary results indicate comparable performance for mid-sized models such as Qwen3-8B, these observations warrant further investigation, particularly regarding the potential applicability to smaller model architectures. Further research is required to establish the generalisability of these findings across different model scales.
• Abstract（参考訳）: 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。 教師付き学習アプローチがこの分野を支配している一方で、新しいドメインに対する注釈付きデータの不足と高コストが大きな障壁となっている。 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,中間的統一的意味表現(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。 我々は,3つのモデル(Qwen3-4B,Qwen3-8B,Gemini-2.5-Pro)と4つの多様なデータセットからなる標準CoTベースラインに対して,このUMRベースのアプローチを評価する。 以上より, UMRの有効性はモデル依存性であることが示唆された。 予備的な結果は、Qwen3-8Bのような中規模のモデルに匹敵する性能を示すが、これらの観測は、特により小さなモデルアーキテクチャの適用可能性について、さらなる調査を保証している。 様々なモデルスケールにわたるこれらの発見の一般性を確立するためには、さらなる研究が必要である。

関連論文リスト

• Data-Efficient Adaptation and a Novel Evaluation Method for Aspect-based Sentiment Analysis [2.3949433621799283]
  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。
  論文  参考訳（メタデータ） (2025-11-04T22:11:10Z)
• The CoT Encyclopedia: Analyzing, Predicting, and Controlling how a Reasoning Model will Think [81.38614558541772]
  本稿では,モデル推論の分析とステアリングのためのフレームワークであるCoT Encyclopediaを紹介する。 本手法はモデル生成CoTから多種多様な推論基準を自動的に抽出する。 このフレームワークは既存の手法よりも解釈可能で包括的分析が可能であることを示す。
  論文  参考訳（メタデータ） (2025-05-15T11:31:02Z)
• Generalized Semantic Contrastive Learning via Embedding Side Information for Few-Shot Object Detection [52.490375806093745]
  マイクロショットオブジェクト検出(FSOD)の目的は、少数のトレーニングサンプルで新しいオブジェクトを検出することである。 本稿では,特徴空間とサンプル視点から得られる負の影響を緩和する側面情報を紹介する。 我々のモデルは従来の最先端手法よりも優れており、ほとんどのショット/スプリットにおけるFSODの能力は大幅に向上している。
  論文  参考訳（メタデータ） (2025-04-09T17:24:05Z)
• Understanding the Cross-Domain Capabilities of Video-Based Few-Shot Action Recognition Models [3.072340427031969]
  Few-shot Action Recognition (FSAR) は、ビデオ中の新しいアクションをわずかに例を使って識別できるモデルを学ぶことを目的としている。 メタトレーニング中に見られるベースデータセットと評価に使用される新しいデータセットは、異なるドメインから得ることができると仮定すると、クロスドメインの少数ショット学習によってデータ収集とアノテーションコストが軽減される。 我々は、新しいクロスドメインタスクに対して、既存の最先端の単一ドメイン、転送ベース、およびクロスドメインFSARメソッドを体系的に評価する。
  論文  参考訳（メタデータ） (2024-06-03T07:48:18Z)
• Self-supervised co-salient object detection via feature correspondence at multiple scales [27.664016341526988]
  本稿では,画像群における2段階の自己教師型手法を用いて,セグメンテーションアノテーションを必要とせず,共起性有色物体(CoSOD)を検出する手法を提案する。 我々は、画像間の局所パッチレベルの特徴対応を計算し、コサレント領域を検出する自己教師ネットワークを訓練する。 3つのCoSODベンチマークデータセットの実験では、我々のモデルは、対応する最先端モデルよりも大きなマージンで優れています。
  論文  参考訳（メタデータ） (2024-03-17T06:21:21Z)
• Robust Saliency-Aware Distillation for Few-shot Fine-grained Visual Recognition [57.08108545219043]
  サンプルが少ない新しいサブカテゴリを認識することは、コンピュータビジョンにおいて不可欠で挑戦的な研究課題である。 既存の文献は、ローカルベースの表現アプローチを採用することでこの問題に対処している。 本稿では,ロバスト・サリエンシ・アウェア蒸留法(RSaD)を提案する。
  論文  参考訳（メタデータ） (2023-05-12T00:13:17Z)
• CrossRE: A Cross-Domain Dataset for Relation Extraction [21.513743126525622]
  CrossREは、関係抽出(RE)のための新しい、自由に利用可能なクロスドメインベンチマークである。 関係分類のための最先端モデルを用いて経験的評価を行う。 メタデータにより、最先端のモデルに新たな光を放つことができるので、難しいケースの影響を包括的に分析する。
  論文  参考訳（メタデータ） (2022-10-17T18:33:14Z)
• Exploring Neural Models for Query-Focused Summarization [74.41256438059256]
  クエリ中心の要約(QFS)に対するニューラルネットワークの体系的な探索を行う。 本稿では,QMSumデータセットの最先端性能を最大3.38ROUGE-1,3.72ROUGE-2,3.28ROUGE-Lのマージンで達成する2つのモデル拡張を提案する。
  論文  参考訳（メタデータ） (2021-12-14T18:33:29Z)

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。