跨语言方面情感分析的对比学习(Cross-lingual Aspect-based Sentiment Analysis的对比学习)

Apr, 2022

跨语言方面情感分析的对比学习(Cross-lingual Aspect-based Sentiment Analysis的对比学习)

CL-XABSA: Contrastive Learning for Cross-lingual Aspect-based Sentiment Analysis

Nankai Lin, Yingwen Fu, Xiaotian Lin, Aimin Yang, Shengyi Jiang

TL;DR介绍了一种用于多语言情感分析的新型框架CL-XABSA，它基于对比学习，包括token level对比学习和sentiment level对比学习，可以通过多语言数据训练，并使用知识蒸馏技术进一步提高模型性能。该方法在跨语言情感分析、知识蒸馏和多语言情感分析三个任务中均有一定的改进。

Abstract

As an extensive research in the field of Natural language processing (NLP), aspect-based sentiment analysis (ABSA) is the task of predicting the sentiment expressed in a text relative to the corresponding aspect. Unfortunately, most languages lack of sufficient annotation resources, th

发现论文，激发创造

无需(好的)翻译的跨语言情感分析

本文介绍了一种使用单线性转换来捕捉跨语言情感关系的方法，并演示了如何在非英语环境下应用跨语言情感模型，以实现对英语情感知识的有效利用，从而使得在缺少数据的情况下，以很低的成本分析和提取其他语言的特征成为可能。

Jul, 2017

KESA：一种基于知识增强的情感分析方法

本研究提出了两种情感感知的辅助任务：情感词谜和条件情感预测，以更轻量的方式从情感知识中受益，并通过多种标签组合方法进行实验验证，结果表明该方法始终优于预训练模型并且在现有知识增强后训练的模型中具有增益效应。

Feb, 2022

基于对比跨通道数据增强的方面情感分析框架

通过对比交叉通道数据增强 (C3 DA)模型，我们可以生成更多的合成样本，并通过这些合成数据的对比学习来提高ABSA模型的鲁棒性。

Apr, 2022

多模态方面情感分析的视觉语言预训练

本文提出了一种面向多模态方面的情感分析的Vision-Language预训练框架（VLPMABSA），使用更加统一的多模态编码器-解码器体系结构来应对上一个视觉和文本模型分开预训练、或是总体预训练任务不够细致的问题，同时还设计了三种特定于该任务的语言、视觉和多模态预训练任务，并通过实验证明了本文方法在三个MABSA子任务上优于当前最先进方法的效果，且有助于情感、方面和跨模态的细粒度对齐。

Apr, 2022

InstructABSA:基于指导学习的基于方面的情感分析

我们提出了InstructABSA，使用指令学习范式进行基于方面的情感分析，并在Aspect Term Extraction，Aspect Term Sentiment Classification和Joint Task构建的所有ABSA子任务上进行了表现显着的性能改进。

Feb, 2023

跨领域方面情感分析的双向生成框架

本文提出了一个统一的双向生成框架，基于生成模型，通过域自适应和数据增强来解决跨领域细粒度情感分析问题，并在四个跨领域情感分析任务上达到了最新的最佳结果。

May, 2023

CONTRASTE：基于方面提示的监督对比预训练用于方面情感三元组提取

使用CONTRASTE作为一种基于对比学习的新型预训练策略，通过在解码器生成的面向方面的情感表示上应用对比学习来提高Aspect Sentiment Triplet Extraction（ASTE）的性能，同时也展示了该技术在其他ABSA任务上的优势，并通过在基于编码器-解码器模型的基础上结合两个互补模块的新型多任务方法，即基于标记的观点术语检测器和基于回归的三元组计数估算器，进行细调以获得模型的权重，并通过详细的实验证明了我们所提出的每个组件的重要性，实现了ASTA的最新最佳结果。

Oct, 2023

越南多模态方面类别情感分析的新基准数据集和细粒度跨模态融合框架

借助细粒度多模态信息改进维族多模态情感分析的研究工作中，我们提出了新的维语多模态数据集ViMACSA和一个Fine-Grained Cross-Modal Fusion Framework (FCMF)框架，通过学习内部和跨模态交互并融合信息来产生统一的多模态表示。实验结果显示该框架在ViMACSA数据集上超过了其他模型，达到了79.73%的最高F1分数，同时还研究了越南多模态情感分析的特点和挑战。

May, 2024

推特/X情感分析中的多语言模型微调研究：针对东欧V4语言

本研究针对在推特/X数据中应用的基于方面的情感分析（ABSA），解决了小语种情感分类的不足问题。通过微调多种大型语言模型，发现部分模型在多语言推特任务中的微调表现优越，可以在较小的训练集上达到最新的技术水平。研究结果揭示了最佳设置的组合，可能对小语种情感分析领域产生重要影响。

Aug, 2024

基于ChatGPT的对比性方面情感分析增强策略探索

本研究针对现有方面情感分析中的标签数据稀缺问题，提出了一种基于ChatGPT的数据增强方法，旨在提升对方面术语的情感分类性能。通过比较三种数据增强策略，结果表明，采用上下文-方面数据增强策略的效果最佳，显著超越基础模型的性能，展示了这一方法在情感分析中的潜在影响。

Sep, 2024