JADS: 自主超越联合方面发现和摘要的框架
该研究提出了一种自我监督对比学习框架和基于注意力机制、新颖平滑自注意力(SSA)模块的 UAD 任务模型,用于学习更好的方面和评论片段表示,同时引入了高分辨率选择映射 (HRSMap) 和知识蒸馏技术,通过准确地映射模型发现的方面来提高方面检测的性能。实验结果表明,该方法在公开数据集上表现优于多个最近的无监督和弱监督方法。
Sep, 2020
我们提出了一个模型,通过联合方面识别和情感分析来汇总产品评论片段。我们的模型同时确定了评论中呈现的可评估方面的基础集,并确定了每个方面的相应情感,从而直接发现了产品的高评级或不一致方面。
Jan, 2014
本文介绍了一个数据集 AspectNews,并比较了不同训练方案的效果,研究表明最终方法可以生成更好的聚焦摘要,相比通用摘要系统或关键字匹配更为敏感。
Oct, 2021
本论文提出了一种基于方面查询的定制摘要生成方法,使用多示例学习模型诱导的方面控制器创建 (review,summary) 对的合成训练数据集,通过微调预训练模型,生成修改方面控制器的方面特定摘要。在两个基准测试中,我们的模型表现优于先前的技术水平,并通过控制讨论的方面数量生成个性化摘要。
Sep, 2021
本文提出了一种基于弱监督的方法进行情感分析,通过词嵌入空间下的 <情感,方面> 联合主题嵌入来实现预测,通过预训练分类器和自我训练来利用词级别的判别信息。
Oct, 2020
利用 Longformer-Encoder-Decoder 的新型多目标学习框架,实现了对在线内容进行动态方面的摘要,通过优化方面数量预测、减小生成与参考摘要之间的差异以及最大化方面特定摘要之间的差异来提升摘要质量。在广泛的实验中,我们的方法在三个多样的数据集上明显优于基线,而且在不损害单一方面摘要质量的情况下,成功对齐了生成和参考的方面数量。
Jun, 2024
提出了一个新的多领域、开放领域的基于方面的摘要数据集 “WikiAsp”,该数据集通过使用 20 个不同领域的维基百科文章并使用每篇文章的标题和边界作为方面标注的代理。研究结果表明现有的摘要模型在此情况下面临的关键挑战,具体包括引用来源的代词处理和时间敏感事件的一致解释。
Nov, 2020
提出了一个名为 AspirinSum 的基于方面的保用效率的文本去识别框架,通过学习来自现有评论数据的专家方面,能够通过提取与个人敏感方面相关的子句并用类似的方面子句替代来高效地总结个人敏感文件,并最终将去识别的文本用于数据发布,以便进行下游任务的使用。
Jun, 2024
本文提出了基于 Autoencoding Variational Inference 的模型,用于 Aspect-based Opinion Summary (AOS) 中的 aspect discovery 和 sentiment classification 问题,并成功应用于 AVIAD 模型和 AVIJST 模型中,实验结果表明相比 LDA 模型,我们的模型具有更高的主题一致性、更快的收敛时间和更好的情感分类精度。
Feb, 2019