文献

J-GLOBAL ID：202102212941120792   整理番号：21A3397446

アラビア語アスペクトベース感情分析に向けて:移動学習ベースアプローチ【JST・京大機械翻訳】

Towards Arabic aspect-based sentiment analysis: a transfer learning-based approach

著者 (2件)： Bensoltane Rajae (IRF-SIC Laboratory, Faculty of Science, Ibn Zohr University, FP-Agadir, Morocco) ,  Zaki Taher (IRF-SIC Laboratory, Faculty of Science, Ibn Zohr University, FP-Agadir, Morocco)
資料名： Social Network Analysis and Mining  (Social Network Analysis and Mining)
巻： 12  号： 1  ページ： 7  発行年： 2022年 
JST資料番号： W4952A  ISSN： 1869-5469  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： ドイツ (DEU)  言語： 英語 (EN)

抄録/ポイント： アスペクトベース感情分析(ABSA)は,議論された側面を抽出し,与えられたテキストから対応する感情極性を同定することを目的とする,細粒感情分析タスクである。既存のアラビアABSA法の大部分は,外部資源(例えば,辞書)の使用に加えて,退屈な前処理と特徴工学タスクに大きく依存している。したがって,本論文では,アラビアにおける2つのABSAタスク,すなわち,アスペクト用語抽出(ATE)とアスペクトカテゴリー検出(ACD)を実行するために,事前訓練言語モデルを使用する転送学習方法を提案することによって,これらの短所を克服することを試みた。提案モデルをBERTモデルのアラビアバージョン(AraBERT)に基づいて構築した。微調整と特徴ベースの方法を含むBERTの異なる実装を比較した。本論文の主な知見は,以下の通りである。(1)微調整は,低資源設定により適している。(2)カスタマイズされた下流層を設計することは,デフォルト微調整BERTモデル結果を強化する。実験はアラビアニュースポストの参照ABSAデータセットで行った。結果は,著者らのモデルが,ATEタスクに対して6%以上の全体的強化とACDタスクに対して19%以上の全体的強化で,ベースライン法と関連研究より優れていることを示した。Copyright The Author(s), under exclusive licence to Springer-Verlag GmbH Austria, part of Springer Nature 2021 Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： 極性 ,  *学習 ,  前処理 ,  自然言語処理 ,  ニュース ,  基準線 ,  カスタム化 ,  言語モデル
準シソーラス用語： *アラビア語 ,  学習方法 ,  感情分析 ,  深層学習 , 【Automatic Indexing@JST】

著者キーワード (6件)： 深層学習 ,  転移学習 ,  自然言語処理 ,  アスペクトベースの感情分析 ,  アラビア語 ,  BERT

分類 (1件)： 自然語処理  (JE06000L)

タイトルに関連する用語 (3件)： アラビア語 ,  感情分析 ,  学習