論文の概要: Structured Sentiment Analysis Using Sequence Labeling as Dependency Graph Parsing

• arxiv url: http://arxiv.org/abs/2610.11695v1
• Date: Thu, 08 Oct 2026 11:06:29 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-10-10 02:36:53.966479
• Title: Structured Sentiment Analysis Using Sequence Labeling as Dependency Graph Parsing
• Title（参考訳）: シーケンスラベリングを依存グラフ解析として用いた構造化感性解析
• Abstract要約: 本研究は,感情分析の課題に対処し,ノードが感情保持者,目標,表現の幅を表わすような微粒な感情グラフを得ることを目標とする。 提案手法は,タスクを依存性グラフ解析として採用するが,シーケンスラベリングによって従来の解析方法から離れる。
• 参考スコア（独自算出の注目度）: 37.262220483594966
• License: http://creativecommons.org/licenses/by-nc-nd/4.0/
• Abstract: This study addresses the problem of structured sentiment analysis, whose goal is to obtain a fine-grained sentiment graph where the nodes represent spans of sentiment holders, targets, and expressions, while the arcs define the relationships among them. Our proposed approach casts the task as dependency graph parsing, but departs from traditional parsing methods by solving it through sequence labeling. To do so, we leverage recent advances in linearized graph encodings that allow each word in the input to be assigned a label, effectively capturing the structure of the dependency graph. We conducted experiments on seven datasets spanning five languages (English, Spanish, Norwegian, Basque, and Catalan), showing performance competitive with leading, more complex single-model approaches.
• Abstract（参考訳）: 本研究は,感情分析の課題に対処し,ノードが感情保持者,目標,表現の幅を表わすような微粒な感情グラフを得ることを目標とする。 提案手法は,タスクを依存性グラフ解析として採用するが,シーケンスラベリングによって従来の解析方法から離れる。 そこで我々は,近年の線形化グラフ符号化の進歩を利用して,入力の各単語にラベルを付与し,依存グラフの構造を効果的に把握する。 我々は,5つの言語(英語,スペイン語,ノルウェー語,バスク語,カタルーニャ語)にまたがる7つのデータセットの実験を行った。

関連論文リスト

• Hierarchical Bracketing Encodings Work for Dependency Graphs [9.660348625678001]
  依存関係グラフ解析の文脈における実践的な視点から階層的ブラケット符号化を再考する。 このアプローチはグラフをシーケンスとしてエンコードし、$n$タグ付けアクションで線形時間解析を可能にする。 提案手法を多言語および多形式性ベンチマークで評価し, 一致精度において, 競合する結果と他の手法よりも一貫した改善点を示す。
  論文  参考訳（メタデータ） (2025-09-11T12:08:22Z)
• Dependency Graph Parsing as Sequence Labeling [18.079016557290338]
  我々は、グラフ解析をタグ付けタスクとしてキャストするのに使用できる、非有界および有界な線形化の範囲を定義する。 セマンティック依存関係とUD解析の強化に関する実験結果から, シーケンスラベル依存グラフは, 符号化の優れた選択により, 高い効率性と, 最先端の精度を両立させることがわかった。
  論文  参考訳（メタデータ） (2024-10-23T15:37:02Z)
• Conversational Semantic Parsing using Dynamic Context Graphs [68.72121830563906]
  汎用知識グラフ(KG)を用いた会話意味解析の課題を,数百万のエンティティと数千のリレーショナルタイプで検討する。 ユーザ発話を実行可能な論理形式にインタラクティブにマッピングできるモデルに焦点を当てる。
  論文  参考訳（メタデータ） (2023-05-04T16:04:41Z)
• Effective Token Graph Modeling using a Novel Labeling Strategy for Structured Sentiment Analysis [39.770652220521384]
  構造化感情分析の最先端モデルでは、タスクを依存性解析の問題として捉えている。 スパン予測とスパン関係予測のラベル比は不均衡である。 依存グラフの2つのノードは複数の弧を持つことができないため、重複した感情は認識できない。
  論文  参考訳（メタデータ） (2022-03-21T08:23:03Z)
• Transformer-based Dual Relation Graph for Multi-label Image Recognition [56.12543717723385]
  本稿では,トランスフォーマーをベースとしたデュアルリレーショナル学習フレームワークを提案する。 相関の2つの側面、すなわち構造関係グラフと意味関係グラフについて検討する。 提案手法は,2つのポピュラーなマルチラベル認識ベンチマークにおいて,最先端性を実現する。
  論文  参考訳（メタデータ） (2021-10-10T07:14:52Z)
• Joint Graph Learning and Matching for Semantic Feature Correspondence [69.71998282148762]
  本稿では,グラフマッチングを向上するための信頼度の高いグラフ構造を探索するために,GLAMという共用電子グラフ学習とマッチングネットワークを提案する。 提案手法は,3つの人気ビジュアルマッチングベンチマーク (Pascal VOC, Willow Object, SPair-71k) で評価される。 すべてのベンチマークにおいて、従来の最先端のグラフマッチング手法よりも大きなマージンを達成している。
  論文  参考訳（メタデータ） (2021-09-01T08:24:02Z)
• Structured Sentiment Analysis as Dependency Graph Parsing [5.174808367448261]
  我々は、この区分が非生産的になり、状況を改善するための新しい統一された枠組みを提案する。 我々は、構造化された感情問題を依存グラフ解析として、ノードは感情保持者、ターゲット、表現の領域であり、弧はそれらの関係であると考えた。
  論文  参考訳（メタデータ） (2021-05-30T11:19:46Z)
• Learning the Implicit Semantic Representation on Graph-Structured Data [57.670106959061634]
  グラフ畳み込みネットワークにおける既存の表現学習手法は主に、各ノードの近傍を知覚全体として記述することで設計される。 本稿では,グラフの潜在意味パスを学習することで暗黙的な意味を探索する意味グラフ畳み込みネットワーク(sgcn)を提案する。
  論文  参考訳（メタデータ） (2021-01-16T16:18:43Z)
• Inducing Alignment Structure with Gated Graph Attention Networks for Sentence Matching [24.02847802702168]
  本稿では,文マッチングのためのグラフベースの手法を提案する。 文ペアをグラフとして表現し、慎重に設計する。 次に,文マッチングのために構築したグラフを符号化するために,新しいゲートグラフアテンションネットワークを用いる。
  論文  参考訳（メタデータ） (2020-10-15T11:25:54Z)

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。