Jan, 2020

使用 BERT 进行基于方面的情感分析的对抗式训练

PDF
TL;DR应用对抗性培训来提高 BERT 在情感分析的方面提取和观点分类任务中的性能。
aspect-based sentiment analysisadversarial trainingbertaspect extractionaspect sentiment classification
发现论文，激发创造
  • 基于 BERT 与构建辅助语句的方面情感分析

    本研究使用 BERT 模型，将 ABSA 转换为句对分类任务，取得了 SentiHood 和 SemEval-2014 Task 4 数据集的最新最佳结果，旨在识别特定方面的细粒度观点极性。

    Mar, 2019

  • 提高 BERT 对于基于方面的情绪分析的表现

    本文介绍了基于深度学习模型 BERT 的两个模块 Parallel Aggregation 和 Hierarchical Aggregation， 用于 Aspect-Based Sentiment Analysis 中的 Aspect Extraction 和 Aspect Sentiment Classification， 改善了模型的性能。

    Oct, 2020

  • BERT-ASC: 基于辅助句构建的隐式方面表示学习在情感分析中的应用

    本文提出了一种基于辅助句子和 BERT-ASC 的方法，来解决在缺乏标注数据的情况下，针对文本中暗含的方面进行情感分析和分类的问题，并在真实数据集上进行了有效性验证和性能评估。

    Mar, 2022

  • 关于方面情感分析的稳健性：对模型、数据和训练的重新思考

    本研究针对情感分析在实际应用中的可靠性进行了探究，通过加强当前最佳的句法感知模型，并基于丰富的伪数据进行敌对训练，进一步提高了模型的鲁棒性。实验结果表明，所提出的方法比现有的基线模型的鲁棒性性能更好，同时合成语料库作为额外数据能够进一步提高测试准确性。

    Apr, 2023

  • 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

  • 一种新颖的关于方面的情感分析的反事实方法

    提出一种采用反事实数据增强方法，针对情感分析任务中球面情感倾向分析的问题，该方法利用集成梯度计算和蒙版技术对情感表达式进行反转，并通过一个 T5 预训练语言模型进行预测，在三个开源数据集上获得更好的结果。

    Jun, 2023

  • 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

  • 探索基于条件文本生成技术的方面情感分析

    本文提出将基于方面的情感分析任务转变为使用目标、方面和极性生成辅助语句的抽象摘要式生成任务，在餐厅领域和城市社区领域基准数据集上 fine-tune 了一个预训练模型，获得了最新的最优结果。

    Oct, 2021

  • 使用带有 Local Context 焦点机制的 DeBERTa 进行基于方面的情感分析

    本文通过整合 DeBERTa 模型和 Local Context Focus 机制提出了一个多任务学习模型，来解决基于方面的情感分析问题，在 SemEval-2014 以及 ACL Twitter 数据集上取得了显著的进步。

    Jul, 2022

  • 探究基于方面的情感分析中的方面鲁棒性：美味汉堡，湿透薯条

    本文提出了一种简单而有效的方法来完善现有的 ABSA 测试集，生成了一个名为 ARTS 的测试集，以全面探究 ABSA 模型的鲁棒性。研究发现，9 种 ABSA 模型的准确率最多下降了 69.73%，然而，采用对抗训练可以使模型在 ARTS 上的表现提高达 32.85%。

    Sep, 2020