Feb, 2024

CARBD-Ko：韩语方面级别情感分类的语境注释评测基准数据集

PDF
TL;DR本研究探讨了预训练语言模型中面向方面的情感分类（ABSC）所面临的挑战，特别关注上下文化和产生幻觉的问题。为了应对这些挑战，我们引入了 CARBD-Ko（一个上下文标注的韩文面向方面情感分类基准数据集），该数据集将方面和双标极性结合起来以区分面向特定和面向不可知的情感分类。该数据集包含用于注释特定方面、方面极性、面向不可知极性和方面强度的句子。为了解决双标方面极性的问题，我们提出了一种使用连体网络的新方法。我们的实验结果突出显示了准确预测双极性的困难，并强调了上下文化情感分析模型的重要性。CARBD-Ko 数据集为未来面向层面情感分类的研究提供了宝贵的资源。
发现论文，激发创造
  • 韩国基于隐式特征对齐和语料过滤的面向方面情感分析

    提出了一种在韩国等低资源语言中进行面向方面的情感分析（ABSA）的直观且有效的框架，通过集成翻译基准和未标记的韩语数据来优化预测标签，并使用在翻译数据上微调的模型对实际韩语自然语言推理集进行伪标记。通过 LaBSE 和基于 MSP 的过滤器应用于伪自然语言推理集，提高了面向方面的类别检测和极性确定的准确性。该模型通过双重过滤来填补数据集差距，在资源有限的情况下在韩国 ABSA 中取得了积极的结果。通过额外的数据注入管道，该方法旨在利用高资源数据，并在低资源语言国家的社区（无论是公司还是个人）构建有效模型。与英文 ABSA 相比，我们的框架在 F1 得分和准确性上差异约为 3％。我们在此链接上发布了韩国 ABSA 的数据集和代码。

    Jun, 2024

  • 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

  • 基于深度上下文和关系感知的方面情感分析学习

    本文提出了一种深度上下文感知关系网络（DCRAN）方法，基于两个模块（即方面和观点传播、显式自监督策略），允许任务之间的交互关系和深度上下文信息，并设计了一些新的对于 ABSA 有很好应用的自监督策略，实验表明，在三种广泛使用的基准测试中，DCRAN 的性能明显优于以往的最先进方法。

    Jun, 2021

  • 基于方面的情感分析数据集综述

    该研究提供了一个数据库的语料库被用于训练和评估自主 ABSA 系统，对于研究人员选择语料库时应考虑的一些特点进行了概述，分析了目前的收集方法的利弊，并建议未来 ABSA 数据集收集，在 65 个公开可用的 ABSA 数据集上进行了调查。

    Apr, 2022

  • 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

  • 基于深度卷积神经网络的哈萨语影评方面与极性分类模型

    这篇论文介绍了一个针对豪萨语电影评论的方面和极性分类的基于深度卷积神经网络（CNN）的模型，该模型是针对理解文本中的情感细微差别而进行的，特别是针对不同语言和文化。作者创建了一个包含人工注释的综合豪萨语 ABSA 数据集，填补了资源可用性方面的重要空白。通过将 CNN 与注意机制相结合进行方面词预测，该模型利用上下文信息和情感极性，准确率达到了 91% 的方面词提取和 92% 的极性分类，优于传统的机器模型，为特定方面和情感提供了深入的洞察力。这项研究推动了 ABSA 研究，特别是在不常见的语言方面，并对跨文化语言研究产生了影响。

    May, 2024

  • 知识图谱增强网络用于多视角表征学习之基于方面的情感分析

    该研究提出了一种名为 KGAN 的知识图增强网络，旨在增强对细粒度情感分析任务的理解。该方法通过并行学习语境和句法表示来捕获情感特征，然后结合知识图和 RoBERTa 模型进一步获取方面特定的知识表示，并通过分层融合模块进行完整的特征表示。该方法在五个流行的 ABSA 数据集上进行了大量实验，并在所有数据集中实现了最先进性能的新纪录。

    Jan, 2022

  • 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

  • Pars-ABSA: 面向方面的波斯情感分析数据集

    本研究提供了一个经过三名母语为波斯语的人员验证的波斯语数据集（即 Pars-ABSA），并基于深度学习的一些最先进的基于方面的情感分析方法进行评估，结果显示与类似的英语最新成果相比表现出优异的表现。

    Jul, 2019

  • 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