文献

J-GLOBAL ID：202202273344263933   整理番号：22A0685057

エンドツーエンドアスペクト感情三重項抽出のためのマルチタスク学習フレームワーク【JST・京大機械翻訳】

A multi-task learning framework for end-to-end aspect sentiment triplet extraction

著者 (3件)： Chen Fang (Department of Electronic Engineering, Tsinghua University, China) ,  Yang Zhongliang (Department of Electronic Engineering, Tsinghua University, China) ,  Huang Yongfeng (Department of Electronic Engineering, Tsinghua University, China)
資料名： Neurocomputing  (Neurocomputing)
巻： 479  ページ： 12-21  発行年： 2022年 
JST資料番号： W0360A  ISSN： 0925-2312  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： オランダ (NLD)  言語： 英語 (EN)

抄録/ポイント： アスペクト感情三重項抽出(ASTE)は,意見目標,意見表現,および感情極性から成る三重項を抽出することによって,人々の意見を要約することを狙った,アスペクトベースの感情分析における重要で挑戦的なタスクである。本論文では,エンドツーエンドASTEを達成するための新しいマルチタスク学習フレームワークを提案した。ASTEを3つのサブタスク,すなわち,ターゲットタグ付け,意見タグ付け,および感情タグ付けに分解した。ターゲット標識と意見タグ付けにおいて,著者らは,意見目標と意見表現の境界を検出するために,BIO標識方式を採用した。感情タグ付けにおいて,著者らは,意見目標と意見表現の間の対応を同定して,それらの感情極性を決定するために,一連のターゲット特異的タグ配列を利用するターゲット意識タグ付け方式を導入した。4つのベンチマークデータセット上で広範な実験を行った。実験結果は,著者らのフレームワークが一貫して優れた結果を達成することを示した。既存の方法と比較して,著者らの方法は,重複三重項を抽出して,長距離対応を識別する際により良い性能を有した。さらなる解析は,著者らのフレームワークの有効性を実証した。Copyright 2022 Elsevier B.V., Amsterdam. All rights reserved. Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： 極性 ,  性能 ,  感情 ,  意見 ,  情報収集 ,  *エンドツーエンド方式 ,  有効性 ,  *機械学習
準シソーラス用語： タグ付 ,  *マルチタスク学習 ,  意見マイニング ,  感情分析 , 【Automatic Indexing@JST】

著者キーワード (3件)： 感情分析 ,  意見マイニング ,  マルチタスク学習

分類 (1件)： 人工知能  (JE08000Z)

タイトルに関連する用語 (4件)： 感情 ,  三重項 ,  マルチタスク学習 ,  フレームワーク