アスペクトベース感情分析のための事前訓練言語モデルへの動的意味論の組み込み【JST・京大機械翻訳】

Zhang Kai; Zhang Kun; Zhang Mengdi; Zhao Hongke; Liu Qi; Wu Wei; Chen Enhong

プレプリント

J-GLOBAL ID：202202216786721501 整理番号：22P0322590

アスペクトベース感情分析のための事前訓練言語モデルへの動的意味論の組み込み【JST・京大機械翻訳】

Incorporating Dynamic Semantics into Pre-Trained Language Model for 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 (7件)： , , , , , ,
資料名：
発行年： 2022年03月30日プレプリントサーバーでの情報更新日： 2022年11月23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)

※このプレプリント論文は学術誌に掲載済みです。なお、学術誌掲載の際には一部内容が変更されている可能性があります。

アスペクトベースの感情分析(ABSA)は,与えられた文章における特定の側面に対する感情極性を予測する。BERTのような事前訓練言語モデルは,大きな成功を達成したが,ABSAへの動的意味変化を組み込むことは,困難なままである。この目的のために,本論文では,ABSAに対する動的アスペクト指向意味論を学習するために設計された新しい方法である,動的再重み付けBERT(DR-BERT)によりこの問題に対処することを提案した。具体的には,まずStack-BERT層を一次符号器として用いて,文章の全体的意味を把握し,次に軽量動的再重み付けアダプター(DRA)を組み込むことにより微調整する。DRAは,各ステップで文章の小さな領域に対して密接な注意を払い,より良いアスペクト意識感情理解のために極めて重要な単語を再重みづけする。最後に,3つのベンチマークデータセットに関する実験結果は,提案モデルの有効性と合理性を実証して,将来の意味モデリングのための良い解釈可能な洞察を提供する。【JST・京大機械翻訳】

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

自然語処理 , 人工知能

, , , ,

前のページに戻る