論文の概要: DanceHA: A Multi-Agent Framework for Document-Level Aspect-Based Sentiment Analysis

• arxiv url: http://arxiv.org/abs/2603.16546v1
• Date: Tue, 17 Mar 2026 14:11:07 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-03-18 17:42:07.31711
• Title: DanceHA: A Multi-Agent Framework for Document-Level Aspect-Based Sentiment Analysis
• Title（参考訳）: DanceHA: ドキュメントレベルのアスペクトベースの知覚分析のためのマルチエージェントフレームワーク
• Authors: Lei Wang, Min Huang, Eduard Dragut,
• Abstract要約: Aspect-Based Sentiment Intensity (ABSIA)は、ドメイン固有の文レベルの設定に重点を置いているが、注目を集めている。 本研究では,オープンエンドで文書レベルのABSIAを非公式に記述可能なマルチエージェントフレームワークであるDanceHAを紹介する。 我々はDanceHAの細粒度で高精度なラベルを特徴とするマルチドメイン文書レベルABSIAデータセットであるInf-ABSIAをリリースした。
• 参考スコア（独自算出の注目度）: 3.8837035821549475
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Aspect-Based Sentiment Intensity Analysis (ABSIA) has garnered increasing attention, though research largely focuses on domain-specific, sentence-level settings. In contrast, document-level ABSIA--particularly in addressing complex tasks like extracting Aspect-Category-Opinion-Sentiment-Intensity (ACOSI) tuples--remains underexplored. In this work, we introduce DanceHA, a multi-agent framework designed for open-ended, document-level ABSIA with informal writing styles. DanceHA has two main components: Dance, which employs a divide-and-conquer strategy to decompose the long-context ABSIA task into smaller, manageable sub-tasks for collaboration among specialized agents; and HA, Human-AI collaboration for annotation. We release Inf-ABSIA, a multi-domain document-level ABSIA dataset featuring fine-grained and high-accuracy labels from DanceHA. Extensive experiments demonstrate the effectiveness of our agentic framework and show that the multi-agent knowledge in DanceHA can be effectively transferred into student models. Our results highlight the importance of the overlooked informal styles in ABSIA, as they often intensify opinions tied to specific aspects.
• Abstract（参考訳）: Aspect-Based Sentiment Intensity Analysis (ABSIA)は、ドメイン固有の文レベルの設定に重点を置いているが、注目を集めている。 対照的に、文書レベルのABSIAは、特にAspect-Category-Opinion-Sentiment-Intensity (ACOSI)の抽出のような複雑なタスクに対処する。 本研究では,オープンエンドで文書レベルのABSIAを非公式な書体スタイルで設計したマルチエージェントフレームワークであるDanceHAを紹介する。 DanceHAには2つの主要なコンポーネントがある。Danceは、長期コンテキストABSIAタスクを、専門エージェント間のコラボレーションのために、より小さく管理可能なサブタスクに分解する、Dance-and-conquer戦略と、アノテーションのためのHuman-AIコラボレーションであるHAである。 我々はDanceHAの細粒度で高精度なラベルを特徴とするマルチドメイン文書レベルABSIAデータセットであるInf-ABSIAをリリースした。 エージェントフレームワークの有効性を実証し,DanceHAにおけるマルチエージェントの知識を学生モデルに効果的に移行できることを実証した。 以上の結果から,ABSIAにおける見過ごされた非公式なスタイルの重要性が浮き彫りになった。

関連論文リスト

• Learning to Summarize by Learning to Quiz: Adversarial Agentic Collaboration for Long Document Summarization [86.98098988779809]
  SummQは長期文書要約のための新しい逆多重エージェントフレームワークである。 提案手法では,包括的な要約を作成し,評価するために協調作業を行う要約ジェネレータとレビュアーを用いる。 広範に使用されている3つの文書要約ベンチマーク上でSummQを評価する。
  論文  参考訳（メタデータ） (2025-09-25T08:36:19Z)
• Advancing AI Research Assistants with Expert-Involved Learning [84.30323604785646]
  大規模言語モデル (LLM) と大規模マルチモーダルモデル (LMM) は、生物医学的な発見を促進することを約束するが、その信頼性は未定である。 ARIEL(AI Research Assistant for Expert-in-the-Loop Learning)は,オープンソースの評価・最適化フレームワークである。 LMMは詳細な視覚的推論に苦しむのに対し、最先端のモデルでは流動性はあるが不完全な要約を生成する。
  論文  参考訳（メタデータ） (2025-05-03T14:21:48Z)
• Domain-Specific Pruning of Large Mixture-of-Experts Models with Few-shot Demonstrations [48.890534958441016]
  本研究では,大規模MoEモデルにおける領域の特殊化と専門的冗長性について検討する。 本稿では,最も関係のある専門家のみを識別・保持するための簡易で効果的な刈取フレームワークであるEASY-EPを提案する。 DeepSeek-R1とDeepSeek-V3-0324の実験は、我々の手法が同じメモリ予算の下で同等の性能と2.99タイムのスループットを達成できることを示した。
  論文  参考訳（メタデータ） (2025-04-09T11:34:06Z)
• OPEx: A Component-Wise Analysis of LLM-Centric Agents in Embodied Instruction Following [38.99303334457817]
  EIF(Embodied Instruction following)は、自然言語の指示を満たすために、エージェントが自我中心の観察を通して環境と対話することを要求する、実践的な学習において重要なタスクである。 近年,大規模な言語モデル(LLM)をフレームワーク中心のアプローチで採用し,EDFの性能向上が図られている。 EIFタスクの解決に不可欠なコアコンポーネント(Observer、Planner、Executor)を記述した包括的なフレームワークであるOPExを紹介します。
  論文  参考訳（メタデータ） (2024-03-05T14:53:53Z)
• From Stars to Insights: Exploration and Implementation of Unified Sentiment Analysis with Distant Supervision [1.940999549833078]
  本稿では,上記の3つの課題を一貫した枠組みに統合した新しい学習パラダイムである統合感情分析を紹介する。 本稿では, 単語, アスペクト, 文書レベルの感情を階層的に把握するピラミッド構造を用いたDSPN(Distantly Supervised Pyramid Network)を提案する。 本研究はDSPNの有効性と効率を検証し,感情分析のための堅牢で資源効率の高い統一的な枠組みを構築した。
  論文  参考訳（メタデータ） (2023-05-02T18:23:50Z)
• Knowledge Graph Augmented Network Towards Multiview Representation Learning for Aspect-based Sentiment Analysis [96.53859361560505]
  本稿では,知識グラフ拡張ネットワーク(KGAN)を提案する。 KGANは感情の特徴表現を、文脈、構文、知識に基づく複数の視点から捉えている。 3つの人気のあるABSAベンチマークの実験は、我々のKGANの有効性と堅牢性を示している。
  論文  参考訳（メタデータ） (2022-01-13T08:25:53Z)
• Arabic aspect based sentiment analysis using BERT [0.0]
  本稿では、BERTのような事前訓練された言語モデルからのコンテキスト埋め込みのモデリング機能について述べる。 我々は、このタスクに対処するために、シンプルだが効果的なBERTベースの神経ベースラインを構築しています。 実験結果によると, 単純な線形分類層を持つBERTアーキテクチャは, 最先端の成果を上回った。
  論文  参考訳（メタデータ） (2021-07-28T11:34:00Z)
• Improving BERT Performance for Aspect-Based Sentiment Analysis [3.5493798890908104]
  Aspect-Based Sentiment Analysis (ABSA)は、市場製品に関する消費者の意見を調査する。 製品レビューで表現された感情のタイプだけでなく、感情のタイプも調査する。 本稿では,提案モデルを適用することで,BERTモデルのさらなるトレーニングの必要性がなくなることを示す。
  論文  参考訳（メタデータ） (2020-10-22T13:52:18Z)
• An Iterative Multi-Knowledge Transfer Network for Aspect-Based Sentiment Analysis [73.7488524683061]
  本稿では,エンド・ツー・エンドABSAのための新しいIterative Multi-Knowledge Transfer Network (IMKTN)を提案する。 我々のIMKTNは、よく設計されたルーティングアルゴリズムを用いて、3つのサブタスクのうち2つのタスク固有の知識をトークンレベルで別のタスクに転送する。 3つのベンチマークデータセットの実験結果は、我々のアプローチの有効性と優位性を示している。
  論文  参考訳（メタデータ） (2020-04-04T13:49:54Z)

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。