論文の概要: Single-Pass, Depth-Selective Reading for Multi-Aspect Sentiment Analysis

• arxiv url: http://arxiv.org/abs/2605.20998v1
• Date: Wed, 20 May 2026 10:37:57 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-05-21 19:19:56.625175
• Title: Single-Pass, Depth-Selective Reading for Multi-Aspect Sentiment Analysis
• Title（参考訳）: マルチアスペクト知覚分析のための単一パス・深さ選択読解法
• Authors: Yan Xia, Zhuangzhuang Pan, Amirrudin Kamsin, Chee Seng Chan,
• Abstract要約: 既存のモデルは各アスペクトの文を再エンコードするか、あるいはディープ表現の静的使用に依存している。 我々は,再利用可能な深度順の基板を構築するために,各文を一度エンコードする単一パス推論フレームワークDABSを提案する。 ATSAの4つのベンチマークの実験では、DABSはエンドツーエンドの計算を最大60%削減しながら、競争性能を達成している。
• 参考スコア（独自算出の注目度）: 11.788282883495725
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Aspect-Term Sentiment Analysis (ATSA) in multi-aspect sentences faces a fundamental tradeoff between efficiency and expressiveness. Existing models either re-encode the sentence for each aspect or rely on static use of deep representations, leading to redundant computation and limited adaptivity. We argue that Transformer depth is a costly, queryable resource, and propose DABS, a single-pass inference framework that encodes each sentence once to construct a reusable, depth-ordered substrate. Each aspect then queries this shared representation to selectively read relevant tokens and abstraction levels, without re-encoding. This decouples shared sentence encoding from lightweight, aspect-conditioned readout. Experiments on four ATSA benchmarks show that DABS achieves competitive performance while reducing end-to-end computation by up to 60% in multi-aspect settings (M >= 2). Further analyses indicate that adaptive depth querying is most beneficial for linguistically complex cases such as negation and contrast. Code is publicly available at https://github.com/panzhzh/acl-dabs
• Abstract（参考訳）: 多視点文におけるアスペクト項知覚分析(ATSA)は、効率性と表現性の根本的なトレードオフに直面している。 既存のモデルは各側面の文を再エンコードするか、あるいはディープ表現の静的使用に依存し、冗長な計算と限定的な適応性をもたらす。 トランスフォーマー深度は高価でクエリ可能なリソースであり,再利用可能な深度順序付き基板を構築するために各文をエンコードする単一パス推論フレームワークであるDABSを提案する。 それぞれのアスペクトが共有表現をクエリして、関連するトークンや抽象化レベルを、再エンコーディングせずに選択的に読み取る。 これにより、軽量でアスペクト条件の読み出しから共有文のエンコーディングを分離する。 ATSAの4つのベンチマーク実験により、DABSは、マルチアスペクト設定(M>=2)において、エンドツーエンドの計算を最大60%削減し、競争性能を達成することが示された。 さらに分析した結果,適応的な深度クエリは否定やコントラストといった言語学的に複雑なケースにとって最も有用であることが示唆された。 コードはhttps://github.com/panzhzh/acl-dabsで公開されている。

関連論文リスト

• SoftSAE: Dynamic Top-K Selection for Adaptive Sparse Autoencoders [11.728621223411475]
  動的トップ-K選択機構を備えたスパースオートエンコーダであるSoftSAEを提案する。 本手法は,入力依存空間レベルkを学習するために,微分可能なソフトトップK演算子を用いる。 実験結果から,SoftSAEは有意義な特徴を見出すだけでなく,各概念に対して適切な特徴数を選択することが確認された。
  論文  参考訳（メタデータ） (2026-05-07T17:28:40Z)
• Dynamic Chunking and Selection for Reading Comprehension of Ultra-Long Context in Large Language Models [1.5817866616624976]
  大きな言語モデル(LLM)は長いテキストを正確に読み書きするのに苦労することが多い。 現在の改善方法は、通常、長いコンテキストを固定長のチャンクに分割することに依存する。 本稿では,長いコンテキストのチャンクを動的に分離し,選択するための簡単なアプローチを提案する。
  論文  参考訳（メタデータ） (2025-06-01T01:42:40Z)
• Evaluating Semantic Variation in Text-to-Image Synthesis: A Causal Perspective [50.261681681643076]
  本稿では,SemVarEffectとSemVarBenchというベンチマークを用いて,テキスト・画像合成における入力のセマンティックな変化と出力の因果性を評価する。 本研究は,T2I合成コミュニティによるヒューマンインストラクション理解の探索を促進する効果的な評価枠組みを確立する。
  論文  参考訳（メタデータ） (2024-10-14T08:45:35Z)
• Paired Completion: Flexible Quantification of Issue-framing at Scale with LLMs [0.41436032949434404]
  最小限の例を用いてコントラストフレームを検出する新しい手法である「ペア完備化」を導入する。 我々は、ペア化完了は、プロンプトベースおよび埋め込みベースの手法に代えて、コスト効率が高く、低バイアスであることを示した。
  論文  参考訳（メタデータ） (2024-08-19T07:14:15Z)
• Collaborative Group: Composed Image Retrieval via Consensus Learning from Noisy Annotations [67.92679668612858]
  我々は,集団が個人より優れているという心理的概念に触発されたコンセンサスネットワーク(Css-Net)を提案する。 Css-Netは,(1)コンセンサスモジュールと4つのコンセンサスモジュール,(2)コンセンサス間の相互作用の学習を促進するKulback-Leibler分散損失の2つのコアコンポーネントから構成される。 ベンチマークデータセット、特にFashionIQでは、Css-Netが大幅に改善されている。特に、R@10が2.77%、R@50が6.67%増加し、リコールが大幅に向上している。
  論文  参考訳（メタデータ） (2023-06-03T11:50:44Z)
• CoT-MoTE: Exploring ConTextual Masked Auto-Encoder Pre-training with Mixture-of-Textual-Experts for Passage Retrieval [23.69812399753584]
  コンテクチュアル・マスク付きオートエンコーダは,モノリシックなデュアルエンコーダのコンテクスト前処理におけるボトルネックの表現に有効であることが証明されている。 We propose to Pre-train Contextual Masked Auto-Encoder with Mixture-of-Textual-Experts (CoT-MoTE)。
  論文  参考訳（メタデータ） (2023-04-20T10:12:09Z)
• UATVR: Uncertainty-Adaptive Text-Video Retrieval [90.8952122146241]
  一般的なプラクティスは、テキストとビデオのペアを同じ埋め込みスペースに転送し、特定のエンティティとのクロスモーダルなインタラクションを構築することである。 UATVRと呼ばれる不確実性言語によるテキスト・ビデオ検索手法を提案し、各ルックアップを分布マッチング手順としてモデル化する。
  論文  参考訳（メタデータ） (2023-01-16T08:43:17Z)
• A Contrastive Cross-Channel Data Augmentation Framework for Aspect-based Sentiment Analysis [91.83895509731144]
  本稿では,感情分析の多面的課題を軽減するための新しいトレーニングフレームワークを提案する。 ソース文は、ドメイン固有のジェネレータに入力され、いくつかの合成文を取得する。 生成装置はアスペクト特化文と極性増強(PAC)を生成し、極性反転文を生成する。 我々のフレームワークは、精度とマクロF1よりも約1%向上することなく、これらのベースラインを上回ります。
  論文  参考訳（メタデータ） (2022-04-16T16:05:58Z)
• Pareto Probing: Trading Off Accuracy for Complexity [87.09294772742737]
  我々は,プローブの複雑性と性能の基本的なトレードオフを反映したプローブ計量について論じる。 係り受け解析による実験により,文脈表現と非文脈表現の統語的知識の幅広いギャップが明らかとなった。
  論文  参考訳（メタデータ） (2020-10-05T17:27:31Z)

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。