論文の概要: SalAngaBhava: A Sinhala Market Dataset for Aspect-based Sentiment Analysis
- arxiv url: http://arxiv.org/abs/2607.05259v1
- Date: Mon, 06 Jul 2026 16:05:26 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-07-07 22:26:30.233463
- Title: SalAngaBhava: A Sinhala Market Dataset for Aspect-based Sentiment Analysis
- Title（参考訳）: SalAngaBhava: アスペクトベースの知覚分析のためのシンハラ市場データセット
- Abstract要約: この新しいSinhala AspectベースのSentiment AnalysisデータセットであるSalAngaBhavaを紹介する。
データは、ユーザ生成レビューやコメントなどのドメイン関連ソースから収集された。
この分析により、データセットはABSAの研究のために十分に構造化され、十分にバランスが取れていることを確認した。
- 参考スコア（独自算出の注目度）: 1.0232954388448412
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Sentiment analysis has been a primary domain under Natural Language Processing (NLP) from its inception as it plays a vital role in both real-world and research applications. In high-resource languages, this has been extended a step further, and instead of predicting sentiment at the sentence level, models have been developed to detect more fine-grained sentiments at aspect level. However, in order to conduct this fine-grained Aspect-based Sentiment Analysis (ABSA), datasets annotated with aspects and sentiments toward the said aspects is required. Such datasets are lacking for low-resources languages among which, we can count Sinhala, an Indo-Aryan languages used primarily in Sri Lanka. In this work, we introduce, SalAngaBhava, a new Sinhala Aspect-based Sentiment Analysis dataset which contains Sinhala product reviews that are manually labeled with aspect terms and the associated sentiments (positive, negative, neutral). The data was collected from domain-relevant sources such as user-generated reviews and comments, and was annotated following carefully defined guidelines to ensure consistency and quality. The dataset consists of sentences and aspect-sentiment pairs, encompassing a considerable range of aspects from several domains. The analysis confirms that the dataset is well-structured and sufficiently balanced for ABSA research. This dataset can be used as a benchmark and facilitates further studies related to Sinhala natural language processing, and low-resource sentiment analysis tasks.
- Abstract（参考訳）: 感性分析は、自然言語処理(NLP)の当初から主要な領域であり、現実世界と研究の双方で重要な役割を担っている。
ハイソース言語では、これはさらに拡張され、文レベルでの感情を予測する代わりに、アスペクトレベルでよりきめ細かい感情を検出するモデルが開発されている。
しかし、この微粒なアスペクトベース感性分析(ABSA)を行うには、その側面に対するアスペクトや感情を付加したデータセットが必要である。
これらのデータセットは低リソース言語に欠けており、主にスリランカで使われているインド・アーリア語であるシンハラを数えることができる。
本稿では,SalAngaBhavaについて紹介する。SalAngaBhavaは,Sinhala製品レビューを含む新しいSinhala AspectベースのSentiment Analysisデータセットで,アスペクト項と関連する感情(肯定的,否定的,中立的)を手作業でラベル付けする。
データは、ユーザ生成レビューやコメントなどのドメイン関連ソースから収集され、一貫性と品質を保証するために慎重に定義されたガイドラインに従ってアノテートされた。
データセットは文とアスペクト知覚ペアで構成され、複数のドメインからかなりの範囲のアスペクトを含んでいる。
この分析により、データセットはABSAの研究のために十分に構造化され、十分にバランスが取れていることを確認した。
このデータセットはベンチマークとして使用することができ、Sinhala自然言語処理や低リソースの感情分析タスクに関するさらなる研究を促進する。
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) - DimABSA: Building Multilingual and Multidomain Datasets for Dimensional Aspect-Based Sentiment Analysis [57.70022214686838]
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。
論文 参考訳（メタデータ） (2026-01-30T14:30:35Z) - PABSA: Hybrid Framework for Persian Aspect-Based Sentiment Analysis [0.04236685213115534]
我々は、ペルシャのアスペクトベース感情分析(ABSA)のための機械学習(ML)とディープラーニング(DL)技術を統合するハイブリッドアプローチを提案する。
特に、多言語BERTの極性スコアを付加機能として利用し、決定木分類器に組み込んで、Pars-ABSAデータセット上の既存のベンチマークを93.34%の精度で通過させる。
本研究は,ペルシャ語などの低リソース言語に対する感情分析におけるハイブリッドモデリングと特徴増強の有効性を実証するものである。
論文 参考訳（メタデータ） (2025-10-05T17:02:31Z) - CrosGrpsABS: Cross-Attention over Syntactic and Semantic Graphs for Aspect-Based Sentiment Analysis in a Low-Resource Language [2.3157475769949616]
Aspect-Based Sentiment Analysis (ABSA) は自然言語処理の基本的なタスクであり、テキストで表現された意見に対するきめ細かい洞察を提供する。
本研究は,構文グラフとセマンティックグラフ間の双方向の相互アテンションを活用し,アスペクトレベルの感情分類を強化する新しいハイブリッドフレームワークであるCrosGrpsABSを提案する。
低リソースのBengali ABSAデータセットと高リソースのSemEval 2014 Task 4データセットでCrosGrpsABSを評価した。
論文 参考訳（メタデータ） (2025-05-25T07:42:32Z) - Iterative Data Generation with Large Language Models for Aspect-based Sentiment Analysis [39.57537769578304]
本稿では,ABSAの性能向上を図るために,IDGという系統的反復データ生成フレームワークを提案する。
IDGの中核は、LLMの強力な能力(命令追従、文脈内学習、自己回帰)を最大限に活用して、より流動的で多様な擬似ラベルデータを生成することである。
IDGは5つのベースラインABSAモデルの間で一貫した、重要なパフォーマンス向上をもたらす。
論文 参考訳（メタデータ） (2024-06-29T07:00:37Z) - A Hybrid Approach To Aspect Based Sentiment Analysis Using Transfer Learning [3.30307212568497]
本稿では,移動学習を用いたアスペクトベース感性分析のためのハイブリッド手法を提案する。
このアプローチは、大きな言語モデル(LLM)と従来の構文的依存関係の両方の長所を利用して、弱い教師付きアノテーションを生成することに焦点を当てている。
論文 参考訳（メタデータ） (2024-03-25T23:02:33Z) - SER_AMPEL: a multi-source dataset for speech emotion recognition of
Italian older adults [58.49386651361823]
SER_AMPELは、音声感情認識のためのマルチソースデータセットである。
イタリア人の高齢者の場合、音声による感情認識の基準を提供する目的で収集される。
このようなデータセットの必要性の証拠は、技術の現状の分析から生まれる。
論文 参考訳（メタデータ） (2023-11-24T13:47:25Z) - SOUL: Towards Sentiment and Opinion Understanding of Language [96.74878032417054]
我々は、言語感覚とオピニオン理解(SOUL)と呼ばれる新しいタスクを提案する。
SOULは2つのサブタスクを通して感情理解を評価することを目的としている:レビュー(RC)と正当化生成(JG)。
論文 参考訳（メタデータ） (2023-10-27T06:48:48Z) - Sentiment Analysis in the Era of Large Language Models: A Reality Check [69.97942065617664]
本稿では,大規模言語モデル(LLM)の様々な感情分析タスクの実行能力について検討する。
26のデータセット上の13のタスクのパフォーマンスを評価し、ドメイン固有のデータセットに基づいて訓練された小言語モデル(SLM)と比較した。
論文 参考訳（メタデータ） (2023-05-24T10:45:25Z) - A Dataset and BERT-based Models for Targeted Sentiment Analysis on
Turkish Texts [0.0]
対象感情分析に適した注釈付きトルコ語データセットを提案する。
目標感情分析の課題を達成するために,異なるアーキテクチャのBERTモデルを提案する。
論文 参考訳（メタデータ） (2022-05-09T10:57:39Z) - 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。