Sep, 2023

墨西哥旅游文本情感分析的无监督基于规则的 UD 适应实验

PDF
TL;DR这篇论文总结了一个基于通用依存分析（Universal Dependencies）适应无监督、组合和递归（UCR）基于规则的情感分析（Sentiment Analysis）方法的实验结果，通过应用基本的句法规则和情感词典来利用无监督方法的优势，包括情感分析的可解释性、鲁棒性以及非专业自然语言处理用户的可用性。该方法与其他无监督方法进行比较，表现出明显的改进，并讨论了进一步提高结果的未来改进方向，包括使用情态特征和词义消歧技术来识别正确的情感词。
发现论文，激发创造
  • 方言阿拉伯语 UGT 情感翻译的半监督方法

    本研究旨在改进方言阿拉伯语写作的在线用户生成文本的机器翻译，在 DA-EN UGT 领域使用一种半监督语言模型，结合监督和非监督建模目标，测量了推荐系统的情感翻译准确性，结果显示半监督 MT 系统有效改善了方言阿拉伯语 UGT 的情感翻译错误。

    Oct, 2022

  • 基于对抗训练的多源无监督领域自适应情感分析

    提出了基于多源域自适应方法的两种转移学习框架来执行情感分析，其中关键特征是基于权重方案的无监督领域适应框架和基于两阶段训练的无监督领域适应框架，成果展示了比无监督的最新竞争对手更具有实用性的性能表现。

    Jun, 2020

  • 规则增强的无监督短语结构句法分析

    该研究提出了一种基于语法规则的非监督句法树生成方法，利用了语言的通用语法知识，采用强化学习和自编码器等技术，在 MNLI 和 WSJ 两个基准数据集上实现了最好的结果。

    May, 2021

  • UniSA: 统一情感分析的生成框架

    通过引入任务特定提示方法和多模态生成框架 UniSA，我们提出了一种统一所有情感分析子任务的方法，并将主要子任务的基准数据集整理成了新的情感分析评估基准 SAEval。我们设计了新颖的预训练任务和训练方法，使模型能够在不同子任务中学习一般性的情感知识，从而提高模型的多模态情感感知能力。实验结果表明，UniSA 在所有子任务上表现出与最先进方法相当的性能，并在情感分析的各种子任务中具有很好的泛化能力。

    Sep, 2023

  • 将推文解析为通用依存关系

    本文介绍了用 Universal Dependencies 分析 Tweets 的问题，提出了扩展 UD 指南来覆盖 Tweets 中的特殊结构以及使用新的 Tweet Treebank v2 来解决标注中的歧义，并构建了一个可以将原始 Tweets 解析为 UD 的流水线系统。此外，作者还提出了一种新的方法来精简基于转换的解析器的集合，并在真实情况下验证了该方法的有效性。

    Apr, 2018

  • LyS_ACoruña 在 SemEval-2022 任务 10 中：将现成工具用于情感分析和语义依存分析

    本文使用双仿射语义依赖分析器、大型预训练语言模型和公开可用的翻译模型解决了结构化情感分析的问题。对于单语言环境，作者考虑了在单个语料库上训练和跨语言模型上下文下训练。对于零样本场景，作者通过单词级别的翻译和合并训练数据来处理目标语料库。在后期评估阶段，作者还训练了交叉语言模型，而不是使用单词级别的翻译，并获得了更好的结果。

    Apr, 2022

  • 学习情感记忆以实现无平行数据情感修改

    本文提出了一种基于特定上下文下自动提取适当情感信息的方法来实现情感修改且保留情感无关内容的无监督学习，实验结果表明，该方法在内容保留度方面显著改进且达到了最先进水平。

    Aug, 2018

  • UBC-DLNLP 参加 SemEval-2023 任务 12：迁移学习对非洲情感分析的影响

    该研究通过使用六种语言模型并采用迁移学习和微调技术，开发了用于 14 种不同非洲语言情感分析的多语言模型，最终在开发和测试数据中取得了 F1 得分。结果表明跨多种语言的情感分析可以通过迁移学习和微调技术实现，该方法可以应用于其他语言和领域的情感分析任务。

    Apr, 2023

  • 基于依存关系图解析的结构化情感分析

    本文提出了一种新的统一框架，将结构化情感分析问题作为依存关系图解析，其中节点是情感持有者、目标和表达式，弧是它们之间的关系。在四种语言的五个数据集上进行实验，结果显示这种方法比现有技术有更好的表现，并通过依存语法信息改进情感图产生了更好的结果。

    May, 2021

  • 从虚假新闻到极端党派新闻的检测：使用领域自适应技术

    比较无监督领域自适应技术在两个文本分类任务（假新闻检测和偏激新闻检测）中的效果，并探讨了数据增强、聚类和主题建模与无监督领域自适应技术相结合对性能的提升。

    Aug, 2023