Tasty Burgers,Soggy Fries:アスペクトベース感情分析におけるアスペクトロバスト性の調査【JST・京大機械翻訳】

Xing Xiaoyu; Jin Zhijing; Jin Di; Wang Bingning; Zhang Qi; Huang Xuanjing

プレプリント

J-GLOBAL ID：202202210502139117 整理番号：22P0191618

Tasty Burgers,Soggy Fries:アスペクトベース感情分析におけるアスペクトロバスト性の調査【JST・京大機械翻訳】

Tasty Burgers, Soggy Fries: Probing Aspect Robustness in Aspect-Based Sentiment Analysis

出版者サイト {{ this.onShowPLink() }} 複写サービスで全文入手
高度な検索・分析はJDreamⅢで

この文献はプレプリントです。プレプリントについてはこちらをご確認ください。

著者 (6件)： , , , , ,
資料名：
発行年： 2020年09月16日プレプリントサーバーでの情報更新日： 2020年10月28日
JST資料番号： O7000B 資料種別：プレプリント
記事区分：プレプリント発行国：アメリカ合衆国 (USA) 言語：英語 (EN)

アスペクトベースの感情分析(ABSA)は,テキストにおける特定の側面に対する感情を予測することを目的とする。しかしながら,既存のABSAテストセットは,モデルが非ターゲット側面からターゲット側面の感情を区別できるかどうかを調べるためには使用できない。この問題を解決するため,ABSA試験セットを濃縮する簡単で効果的な方法を開発した。特に,ターゲットアスペクトの感情から非ターゲット側面の交絡感情を解消する新しい例を生成する。SemEval2014データセットに基づいて,ABSAモデルのアスペクトロバスト性の包括的プローブとして,アスペクトロバスト性テストセット(ARTS)を構築した。ARTSの92%以上のデータは,人間評価によってすべての側面に関して高いフルエンスと望ましい感情を示した。ARTSを用いて,9つのABSAモデルのロバスト性を分析し,驚くべきことに,それらの精度が69.73%まで低下することを観察した。アスペクトロバスト性を改善するいくつかの方法を検討し,敵対訓練がARTSのモデル性能を32.85%まで改善できることを見出した。著者らのコードと新しいテストセットは,https://github.com/zhijing jin/ARTS_TestSetで利用可能である。【JST・京大機械翻訳】

, , , , , ,
, , 【Automatic Indexing@JST】

パターン認識 , 情報加工一般 , 自然語処理

, ,

前のページに戻る