論文の概要: SSP-based construction of evaluation-annotated data for fine-grained aspect-based sentiment analysis
- arxiv url: http://arxiv.org/abs/2605.07446v1
- Date: Fri, 08 May 2026 08:52:37 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-05-11 19:43:38.926932
- Title: SSP-based construction of evaluation-annotated data for fine-grained aspect-based sentiment analysis
- Title（参考訳）: SSPによる微粒なアスペクトベース感情分析のための評価注釈データの構築
- Authors: Suwon Choi, Shinwoo Kim, Changhoe Hwang, Gwanghoon Yoo, Eric Laporte, Jeesun Nam,
- Abstract要約: 韓国評価注釈コーパスの構築について報告する。
感情や非感傷的言語パターンを含むeコマースレビューをカバーしています。
評価のために、KoBERTとKcBERTモデルはアノテーション付きデータセットでトレーニングされ、F1 0.88とF1 0.90の堅牢なパフォーマンスを示す。
- 参考スコア（独自算出の注目度）: 0.0
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: We report the construction of a Korean evaluation-annotated corpus, hereafter called 'Evaluation Annotated Dataset (EVAD)', and its use in Aspect-Based Sentiment Analysis (ABSA) extended in order to cover e-commerce reviews containing sentiment and non-sentiment linguistic patterns. The annotation process uses Semi-Automatic Symbolic Propagation (SSP). We built extensive linguistic resources formalized as a Finite-State Transducer (FST) to annotate corpora with detailed ABSA components in the fashion e-commerce domain. The ABSA approach is extended, in order to analyze user opinions more accurately and extract more detailed features of targets, by including aspect values in addition to topics and aspects, and by classifying aspectvalue pairs depending whether values are unary, binary, or multiple. For evaluation, the KoBERT and KcBERT models are trained on the annotated dataset, showing robust performances of F1 0.88 and F1 0.90, respectively, on recognition of aspect-value pairs.
- Abstract（参考訳）: 本稿では,「評価注釈データセット(Evaluation Annotated Dataset,EVAD)」と呼ばれる韓国評価注釈コーパスの構築について報告する。
アノテーションプロセスはSSP(Semi-Automatic Symbolic Propagation)を使用する。
我々はFST(Finite-State Transducer)として形式化された広範な言語資源を構築し、ファッションeコマース分野におけるABSAの詳細なコンポーネントをコーパスにアノテートした。
ABSAアプローチは、ユーザの意見をより正確に分析し、トピックやアスペクトに加えてアスペクト値を含めることで、ターゲットのより詳細な特徴を抽出するために拡張され、値が一元的、二元的、または複数であるかどうかに応じてアスペクト値ペアを分類する。
評価のために、KoBERTモデルとKcBERTモデルはアノテーション付きデータセット上でトレーニングされ、アスペクト値ペアの認識に基づいて、それぞれF1 0.88とF1 0.90の堅牢なパフォーマンスを示す。
関連論文リスト
- Annotation Quality in Aspect-Based Sentiment Analysis: A Case Study Comparing Experts, Students, Crowdworkers, and Large Language Model [5.054478273897118]
Aspect-Based Sentiment Analysis (ABSA)は、テキスト内の特定の側面やターゲットに対する感情を識別することで、詳細な意見分析を可能にする。
ABSAは英語で広く研究されているが、高品質な注釈付きデータセットが欠如していることから、ドイツ語などの他の言語の研究は限られている。
本稿では,異なるアノテーション源がドイツのABSAの発展にどのように影響するかを検討する。
論文 参考訳（メタデータ） (2026-05-05T10:54:05Z) - ConceptScope: Characterizing Dataset Bias via Disentangled Visual Concepts [54.60525564599342]
ConceptScopeは、ビジュアルデータセットを分析するためのスケーラブルで自動化されたフレームワークである。
概念を、その意味的関連性とクラスラベルとの統計的相関に基づいて、ターゲット、コンテキスト、バイアスタイプに分類する。
既知のバイアスを確実に検出し、未発表のバイアスを発見できる。
論文 参考訳（メタデータ） (2025-10-30T06:46:17Z) - Czech Dataset for Complex Aspect-Based Sentiment Analysis Tasks [0.7874708385247352]
本稿ではアスペクトベース感情分析(ABSA)のための新しいデータセットを提案する。
レストランドメインからの注釈付きレビューが手作業で3.1Kである。
教師なし学習に適したアノテーションを使わずに2400万のレビューを提供する。
論文 参考訳（メタデータ） (2025-08-11T16:03:28Z) - An Aspect Extraction Framework using Different Embedding Types, Learning Models, and Dependency Structure [0.0657714808721181]
アスペクトベースの感情分析の重要な構成要素はアスペクト抽出である。
本稿では,単語と音声のパート・オブ・音声タグに異なる種類の埋め込みを用いたアスペクト抽出モデルを提案する。
また、文のアスペクト位置をよりよく捉えるために、依存性解析出力に基づく木の位置符号化を提案する。
論文 参考訳（メタデータ） (2025-03-05T13:57:48Z) - Learning to Align Multi-Faceted Evaluation: A Unified and Robust Framework [61.38174427966444]
大規模言語モデル(LLM)は、様々なシナリオにおける自動評価のために、より広く使われている。
従来の研究では、強力なプロプライエタリモデルの評価と判断を再現するために、オープンソースのLLMを微調整しようと試みてきた。
本稿では,評価基準を適応的に定式化し,テキストベースとコード駆動分析の両方を合成する新しい評価フレームワークARJudgeを提案する。
論文 参考訳（メタデータ） (2025-02-26T06:31:45Z) - Instruct-DeBERTa: A Hybrid Approach for Aspect-based Sentiment Analysis on Textual Reviews [2.0143010051030417]
Aspect-based Sentiment Analysis (ABSA)は自然言語処理(NLP)における重要な課題である
従来の感情分析手法は、全体的な感情を決定するのに有用だが、特定の製品やサービス機能に関する暗黙の意見を見逃すことが多い。
本稿では、レキシコンベースのアプローチから機械学習まで、ABSA方法論の進化を包括的に概観する。
論文 参考訳（メタデータ） (2024-08-23T16:31:07Z) - Learning to Extract Structured Entities Using Language Models [52.281701191329]
機械学習の最近の進歩は、情報抽出の分野に大きな影響を与えている。
タスクをエンティティ中心にすることで、さまざまなメトリクスの使用を可能にします。
我々は、Structured Entity extractを導入し、Adroximate Entity Set OverlaPメトリックを提案し、この分野にコントリビュートします。
論文 参考訳（メタデータ） (2024-02-06T22:15:09Z) - Exploiting Contextual Target Attributes for Target Sentiment
Classification [53.30511968323911]
TSCの既存のPTLMベースモデルは、1)PTLMをコンテキストエンコーダとして採用した微調整ベースモデル、2)テキスト/単語生成タスクに分類タスクを転送するプロンプトベースモデル、の2つのグループに分類される。
我々は,PTLM を TSC に活用する新たな視点として,言語モデリングと文脈的ターゲット属性による明示的ターゲットコンテキスト相互作用の利点を同時に活用する。
論文 参考訳（メタデータ） (2023-12-21T11:45:28Z) - BERT-ASC: Auxiliary-Sentence Construction for Implicit Aspect Learning in Sentiment Analysis [4.522719296659495]
本稿ではアスペクト分類とアスペクトベース感情サブタスクに対処する統合フレームワークを提案する。
コーパスのセマンティック情報を用いて暗黙的側面のための補助文を構築する機構を導入する。
次に、BERTはアスペクト自体ではなく、この補助文に応答してアスペクト固有の表現を学ぶことを推奨する。
論文 参考訳（メタデータ） (2022-03-22T13:12:27Z) - Understanding Pre-trained BERT for Aspect-based Sentiment Analysis [71.40586258509394]
本稿では、アスペクトベース感情分析(ABSA)におけるタスクに対するBERTのレビューから得られた事前学習された隠れ表現について分析する。
アスペクトや意見のアノテーションなしでラベル付けされていないコーパスでトレーニングされた(マスクされた)言語モデルの一般的なプロキシタスクが、ABSAの下流タスクにどのように重要な機能を提供するかは明らかではない。
論文 参考訳（メタデータ） (2020-10-31T02:21:43Z) - 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)
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。