Jun, 2019

面向目标方面的情感分析感知嵌入

PDF
TL;DR提出了一种新颖的方法来对目标区分，以便在 TABSA 中检测不同方面和情感极性，利用罕见分量向量调整目标和方面的嵌入来优化嵌入，从而优化了上下文相关信息。
neural modelstargeted aspect-based sentiment analysisembedding refinementsparse coefficient vectorcontext-dependent information
发现论文，激发创造
  • 基于上下文引导的 BERT 模型用于面向方面的情感分析

    本文提出了两种上下文引导的 CG-BERT 模型，分别采用上下文引导的 softmax 注意力和学习支持减法注意力的组合注意力，用于 (T) ABSA 任务，取得了新的最优结果，进一步证明了添加上下文依赖性对于基于自注意力的预训练语言模型在自然语言任务中的实用性。

    Oct, 2020

  • 基于目标的方面情感分析的延迟记忆更新的循环实体网络

    提出了一种利用外部 “存储链” 和延迟更新机制来跟踪实体的新颖模型，用于特定方面的情感分析任务。实验结果表明，相比于现有的模型，该模型在使用外部知识库的情感分析任务中表现出了显著的改进。

    Apr, 2018

  • 增强方面 - 句子意识：一种面向方面的情感分析的新方法

    通过增强方面 - 句子感知关注机制，提出了一个名为 A3SN 的新颖技术，通过增加注意力模块和整合特征表示，增强了 Aspect-Based Sentiment Analysis（ABSA）的效果，并在三个基准数据集上胜过了最先进的基准模型。

    May, 2024

  • 针对方面的情感分析的方面特定的上下文建模

    该研究旨在使用预训练语言模型（PLMs）建模特定方面的情感，通过提出三种基于方面的输入转换（即：方面伴侣、方面提示和方面标记）来促进 PLM 更好地关注特定方面的上下文，并在对 SC 和 OE 的标准和对抗性基准测试中，实现了最新的最佳结果和具有竞争力的结果。

    Jul, 2022

  • 基于联合方面 - 情感主题嵌入的弱监督方面为基础的情感分析

    本文提出了一种基于弱监督的方法进行情感分析，通过词嵌入空间下的 <情感，方面> 联合主题嵌入来实现预测，通过预训练分类器和自我训练来利用词级别的判别信息。

    Oct, 2020

  • 利用自适应上下文遮蔽进行基于方面的情感分析

    通过使用自适应掩码方法，本论文提出了一种用于细粒度语言学问题的方面级情感分析（ABSA）方法，其可以从给定文本中提取多方面的观点和情感，以提高 ABSA 的准确性和 F1 得分。

    Feb, 2024

  • 利用 BERT 进行端到端方面情感分析

    本文探讨了预训练语言模型中上下文化嵌入的建模能力，并使用简单明了的神经基线处理端到端方面的情感分析任务。实验结果表明，即使使用简单的线性分类层，我们基于 BERT 的架构的性能也能超过最新的方法。此外，我们还使用保留验证数据集来标准化比较研究，这是之前的工作往往忽略的，因此，我们的工作可以作为 E2E-ABSA 的 BERT 基准。

    Oct, 2019

  • 理解基于预训练 BERT 的方面情感分析

    本文分析了 BERT 上预先训练的隐藏表示，用于方面为基础的情感分析（ABSA）任务。作者发现，BERT 使用非常少的自我关注头来编码上下文单词和方面的意见词。大多数方面的表示特征都专注于领域（或产品类别）和方面本身的细粒度语义，而不是携带其上下文中的总结性观点。

    Oct, 2020

  • AspectCSE：利用对比学习与结构化知识的基于方面的语义文本相似性句子嵌入

    本文提出了 AspectCSE，一种基于对比学习的以方面为基础的句子嵌入方法，并在多个方面的信息检索任务上实现了 3.97％的平均改进。同时，作者还提出使用 Wikidata 知识图谱属性来训练多方面的句子嵌入模型，并证明这种方法优于单方面的嵌入，同时该研究还探讨了基于方面的句子嵌入空间。

    Jul, 2023

  • 早期关注？面向方面的 LSTM 用于方面情感分析

    提出了一种新颖的 LSTM 变体，称为 aspect-aware LSTM（AA-LSTM），将方面信息包含在上下文建模阶段的 LSTM 单元中，以生成动态的方面感知上下文表示，实验结果表明 AA-LSTM 的有效性。

    May, 2019