关键词aspect based sentiment analysis
搜索结果 - 13
- S$^2$GSL：基于分段到句法增强图结构学习的方面情感分析
提出了一个新的方法 S$^2$GSL，在 Aspect based Sentiment Analysis (ABSA) 中结合了段落感知的语义图学习和基于语法的潜在图学习，以提高图结构学习的准确性和效果。
- 令人尴尬地简单的无监督方面情感元组提取
我们提出了一种简单而新颖的无监督方法来从句子中提取观点词和相应的情感极性，以解决在缺乏标记数据集的低资源领域中泛化能力不足的问题。我们在四个基准数据集上进行的实验评估表明，我们的方法在提取面向方面的观点词以及分配情感极性方面具有强大的性能。 - 使用迁移学习的混合方法进行基于方面的情感分析
本研究提出了一种基于传输学习的混合方法，通过利用大型语言模型和传统句法依存关系生成弱监督注释，以解决当前最先进的 ABSA 研究中的显著挑战。在多个数据集上进行了大量实验，证明了该混合方法在方面词提取和方面情感分类任务中的有效性。
- 基于地理位置的方面情感分析（ABSA）用于众包评估城市环境
该研究开发了一个能够从地理定位的城市评价中提取城市方面，并对其进行情感分类的 ABSA 模型。通过对 2500 个公共公园的众包评价进行数据标注，并在这些数据上使用带有局部上下文焦点的双向编码器表示转换 (BERT) 模型进行训练，我们的模 - 基于非反事实扩充的稳健性方面情感分析
本文提出了一种使用嘈杂但代价效益高的数据增强模型来提高 NLP 模型在情感分析任务中的鲁棒性的方法，并通过实验证明这种方法对标准和鲁棒性特定的数据集都有显著的改进，同时在 ABSA 鲁棒性基准测试中创造了新的 state-of-the-ar - 基于锚定正则化的集成学习用于无监督方面提取
本文探讨了如何使用来自其他无监督模型的信息来规范 ABAE，以获得更好的性能，既在规则基础的合集方法上得到对比，也证明了对比于单个模型，集成模型的效果更好，而基于规则的集成模型则表现不如基于规范化的集成模型。
- ATP：一种全面关注整合方法以增强 ABSA
本研究提出了一种基于依存句法分析树的注意力机制方法，以捕获与情感极性相关的方面位置信息，作为 Aspect based sentiment analysis (ABSA) 的一种当前先进的方法。
- 基于时域谱图神经网络的方面情感分析
本研究提出了一种基于图傅立叶变换的网络，该网络在谱域中创建和学习了底层图，然后使用傅立叶变换切换到频率（谱）域，进而创建新特征。该方法在情感分析中表现出极高的准确性，特别是在 SemEval-2014 数据集中，取得了最佳结果。
- AAAI面向方面的情感分析的联合训练双 MRC 框架
本文提出了一种基于 BERT-MRC 模型的联合训练框架，通过解决 aspect term extraction、opinion term extraction 和 aspect-level sentiment classification - EMNLP基于方面特定观点跨度的方面情感分析
本文提出了一种基于多个线性链 CRFs 的详细有效的结构化关注模型，通过聚合多个线性链 CRFs，该设计允许模型提取特定方面的意见跨度，然后利用提取的意见特征评估情感极性，实验证明该模型是有效的。
- EMNLP一个新颖的基于方面的情感分析深度转换模型
本文提出了一种新颖的 Aspect-Guided Deep Transition 模型（AGDT），该模型通过专门设计的深层转换结构从头开始利用所给定的方面来指导句子编码，以重构给定的方面与生成的句子表示相结合的面向方面的目标，从而能够准确 - ACL基于门卷积神经网络的方面情感分析
本文研究了利用卷积神经网络和门机制的模型，提高方面基情感分析的准确性和效率。该模型的提出主要在于采用了 Gated Tanh-ReLU Units 来根据给定的方面或实体选择性地输出情感特征。实验结果显示其在 SemEval 数据集上的性能 - EliXa: 一个模块化和灵活的 ABSA 平台
本文介绍了一个监督式方面情感分析系统，使用模块化平台和词库解析进行实验，运用序列标注和多分类 SVM 算法实现评价目标提取、极性分类和评估，在餐厅和笔记本领域准确度分别为 0.70 和 0.73，并在 “酒店” 领域表现次佳，达到 0.80