論文の概要: DimABSA: Building Multilingual and Multidomain Datasets for Dimensional Aspect-Based Sentiment Analysis

• arxiv url: http://arxiv.org/abs/2601.23022v1
• Date: Fri, 30 Jan 2026 14:30:35 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-02-02 18:28:15.499607
• Title: DimABSA: Building Multilingual and Multidomain Datasets for Dimensional Aspect-Based Sentiment Analysis
• Title（参考訳）: DimABSA:次元アスペクトに基づく知覚分析のための多言語・多ドメインデータセットの構築
• Authors: Lung-Hao Lee, Liang-Chih Yu, Natalia Loukashevich, Ilseyar Alimova, Alexander Panchenko, Tzu-Mi Lin, Zhe-Yu Xu, Jian-Yu Zhou, Guangmin Zheng, Jin Wang, Sharanya Awasthi, Jonas Becker, Jan Philip Wahle, Terry Ruas, Shamsuddeen Hassan Muhammad, Saif M. Mohammed,
• Abstract要約: DimABSAは、従来のABSA要素とVAスコアの両方に注釈を付けた最初の多言語次元ABSAリソースである。 このリソースには、42,590の文にわたる76,958のアスペクトインスタンスが含まれており、6つの言語と4つのドメインにまたがっている。
• 参考スコア（独自算出の注目度）: 47.19421990570594
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Aspect-Based Sentiment Analysis (ABSA) focuses on extracting sentiment at a fine-grained aspect level and has been widely applied across real-world domains. However, existing ABSA research relies on coarse-grained categorical labels (e.g., positive, negative), which limits its ability to capture nuanced affective states. To address this limitation, we adopt a dimensional approach that represents sentiment with continuous valence-arousal (VA) scores, enabling fine-grained analysis at both the aspect and sentiment levels. To this end, we introduce DimABSA, the first multilingual, dimensional ABSA resource annotated with both traditional ABSA elements (aspect terms, aspect categories, and opinion terms) and newly introduced VA scores. This resource contains 76,958 aspect instances across 42,590 sentences, spanning six languages and four domains. We further introduce three subtasks that combine VA scores with different ABSA elements, providing a bridge from traditional ABSA to dimensional ABSA. Given that these subtasks involve both categorical and continuous outputs, we propose a new unified metric, continuous F1 (cF1), which incorporates VA prediction error into standard F1. We provide a comprehensive benchmark using both prompted and fine-tuned large language models across all subtasks. Our results show that DimABSA is a challenging benchmark and provides a foundation for advancing multilingual dimensional ABSA.
• Abstract（参考訳）: Aspect-Based Sentiment Analysis (ABSA)は、微粒なアスペクトレベルで感情を抽出することに焦点を当て、現実世界のドメインに広く適用されている。 しかし、既存のABSAの研究は、粗い粒度の分類的ラベル(例えば、正、負)に依存しており、ニュアンス化された感情状態を取得する能力を制限する。 この制限に対処するために、我々は、連続的原子価覚醒(VA)スコアで感情を表現する次元的アプローチを採用し、アスペクトレベルと感情レベルの両方できめ細かい分析を可能にする。 この目的のために、DimABSAは、従来のABSA要素(アスペクト項、アスペクトカテゴリ、意見項)と新しく導入されたVAスコアの両方に注釈を付けた最初の多言語次元ABSAリソースである。 このリソースには、42,590の文にわたる76,958のアスペクトインスタンスが含まれており、6つの言語と4つのドメインにまたがっている。 さらに,VAスコアを異なるABSA要素と組み合わせた3つのサブタスクを導入し,従来のABSAから次元ABSAへのブリッジを提供する。 これらのサブタスクが分類的および連続的な出力の両方を含むことを考慮し、VA予測誤差を標準F1に組み込んだ新しい統一計量である連続F1(cF1)を提案する。 すべてのサブタスクにまたがって、トリガーおよび微調整された大きな言語モデルを用いた包括的なベンチマークを提供する。 以上の結果から,DimABSAは難易度の高いベンチマークであり,多言語次元ABSAの進展の基盤となることが示唆された。

関連論文リスト

• Cross-lingual Aspect-Based Sentiment Analysis: A Survey on Tasks, Approaches, and Challenges [0.9668407688201359]
  アスペクトベースの感情分析(ABSA)は、アスペクトレベルで意見を理解することに焦点を当てた、きめ細かい感情分析タスクである。 ABSAは、リソース豊富な言語(英語など)から低リソース言語への知識の転送を目的としている。
  論文  参考訳（メタデータ） (2025-08-13T05:55:53Z)
• M-ABSA: A Multilingual Dataset for Aspect-Based Sentiment Analysis [34.298472723655344]
  M-ABSAは、7つのドメインと21の言語にまたがる包括的なデータセットである。 私たちの主な焦点は三重項抽出であり、アスペクトの項、アスペクトのカテゴリ、感情の極性を特定することである。 実験により,このデータセットは多言語・多ドメイン移動学習などの多様な評価タスクを可能にすることがわかった。
  論文  参考訳（メタデータ） (2025-02-17T14:16:01Z)
• 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)
• OATS: Opinion Aspect Target Sentiment Quadruple Extraction Dataset for Aspect-Based Sentiment Analysis [55.61047894397937]
  アスペクトベースの感情分析(ABSA)は、ユーザ生成レビュー内の異なる要素に特有の感情を理解する。 OATSデータセットは3つの新しいドメインを包含し,27,470の文レベルと17,092のレビューレベルから構成される。 私たちのイニシアチブは、レストランやラップトップのようなよく知られたドメイン、複雑な四重項抽出タスクのための限られたデータ、時には文とレビューレベルの感情の相乗効果の監視といった、特定の観察されたギャップを埋めることを目指しています。
  論文  参考訳（メタデータ） (2023-09-23T07:39:16Z)
• A Survey on Aspect-Based Sentiment Analysis: Tasks, Methods, and Challenges [58.97831696674075]
  ABSAは、側面レベルで人々の意見を分析し、理解することを目的としている。 我々は、感情要素の軸から既存の研究を組織するABSAの新しい分類法を提供する。 ABSAの事前学習言語モデルの利用状況を要約し、ABSAの性能を新たな段階に向上させた。
  論文  参考訳（メタデータ） (2022-03-02T12:01:46Z)

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。