Apr, 2022

开放域目标情感分析的挑战

PDF
TL;DR提出了一个新的数据集和嵌套目标注释模式来扩展 open-domain 情感分析的实用性和有效性，运用预训练模型 BART 进行序列生成方法，结果表明 open-domain 目标情感分析领域有很大的改进空间，但是在使用 open-domain 数据、长文档、目标结构复杂性和领域差异上仍存在挑战。
open-domainsentiment analysisdatasettarget annotationpre-trained model
发现论文，激发创造
  • 基于区间提取和分类的开放式目标情感分析

    提出了一种基于跨度的提取 - 分类框架，其直接从句子中提取多个观点目标，并使用其跨度表示对相应的情感极性进行分类，该方法在三个基准数据集上的实验表明，该方法在情感分析中表现良好且优于以前的序列标注基线。

    Jun, 2019

  • 利用外领域数据集增强多任务引文分析

    通过利用外部数据集，该文提出了一个端到端可训练的多任务模型，覆盖引文情感分析和意图分析，并且可以克服引文分析领域的数据稀缺性问题。

    Feb, 2022

  • 作者情感预测

    PerSenT 数据集包括了新闻文章中主要实体的情感分析，并提供了段落级别的情感注释以提供更精细的监督。该数据集的基准测试表明，这是一项困难的分类任务。该论文指出，使用 BERT 对文档级表示进行微调是不足够的，并且对整个文档进行段落级别的决策和聚合也是无效的。该数据集包含 5.3k 个文档和 38k 个段落，涵盖 3.2k 个独特的实体，是实体情感分析中的一个挑战。

    Nov, 2020

  • 情感分析问题尚未解决！评估和探究情感分类

    本文提出使用神经网络方法进行情感分析，从而有效解决相关问题，同时提供了一个数据集用于挑战现有的情感分类器在处理逻辑和语言现象方面的表现。

    Jun, 2019

  • 针对土耳其文本的目标情感分析数据集和基于 BERT 的模型

    本研究旨在利用目标情感分析从给定的文本中提取针对特定目标的情感，我们提供了适用于目标情感分析的标注土耳其数据集，并提出了基于 BERT 的模型，结果表明，与传统情感分析模型相比，所提出的模型具有更好的性能。

    May, 2022

  • 跨领域情感分析的纯对比学习

    本文探索对跨域情感分析任务采用对比学习方法，提出了一种修改后的对比目标，并在同一类的句子表示之间拉近，不同类的之间推远的方法，实验证明我们的模型在跨域和多域情感分析任务中都取得了最先进的性能，同时，可视化结果展示了知识转移的有效性，并通过对抗测试验证了模型的鲁棒性。

    Aug, 2022

  • 多域情感分析的数据选择策略

    本文介绍了一个关于在情感分析中领域适应的研究。我们对领域相似度度量进行了广泛的研究，提出了新的表示方法、度量方法和数据选择。在推文和评论的大规模多领域适应设置中，我们评估了所提出的方法，并证明了它们一致地优于强随机和平衡的基线方法，而我们的选择策略优于实例级选择，并在大型评论语料库上获得了最佳分数。

    Feb, 2017

  • YASO：面向开放域评论的有针对性情感分析评估数据集

    本文介绍了一个新的 TSA 评估数据集 YASO，它包含来自多个评论领域的 2,215 个有标注情感倾向的英语句子，旨在解决现有数据集中领域集合小的限制，能够更真实地反映像 Amazon 或 Yelp 这样拥有许多领域不同的评论网站的表现情况，同时对该数据集进行了 5 个 TSA 系统的基准测试，结果表明仍有改进空间。

    Dec, 2020

  • 跨领域情感分类的自适应半监督学习

    本文提出一种面向跨域情感分类问题的方法，该方法采用半监督学习的想法，联合使用熵最小化和自举集成自我训练来整合未标记的目标数据进行分类器细化。实验结果表明，该方法可以更好地利用来自目标域的未标记数据，在各种实验设置中都取得了重大改进。

    Sep, 2018

  • 多域目标情感分析

    本文提出了基于增广数据集的自训练方法来实现跨领域情感分析，对不同领域进行了 extensive 实验证明了该方法的有效性，并与手动收集数据相比较表明其实用性。

    May, 2022