Improving Aspect-Based Sentiment with End-to-End Semantic Role Labeling Model

要約

このペーパーでは、セマンティック ロール ラベリング (SRL) モデルから抽出されたセマンティック情報を利用して、アスペクトベースの感情分析 (ABSA) のパフォーマンスを向上させることを目的とした一連のアプローチを紹介します。
私たちは、Transformer の隠れ状態内の構造化されたセマンティック情報のほとんどを効果的にキャプチャする、新しいエンドツーエンドのセマンティック ロール ラベリング モデルを提案します。
このエンドツーエンドのモデルは、意味情報を組み込んだ新しく提案されたモデルによく適していると考えています。
ELECTRA-small モデルを使用して、英語とチェコ語の 2 つの言語で提案されたモデルを評価します。
結合モデルにより、両方の言語で ABSA のパフォーマンスが向上します。
さらに、チェコの ABSA に関して新たな最先端の結果を達成しました。

要約(オリジナル)

This paper presents a series of approaches aimed at enhancing the performance of Aspect-Based Sentiment Analysis (ABSA) by utilizing extracted semantic information from a Semantic Role Labeling (SRL) model. We propose a novel end-to-end Semantic Role Labeling model that effectively captures most of the structured semantic information within the Transformer hidden state. We believe that this end-to-end model is well-suited for our newly proposed models that incorporate semantic information. We evaluate the proposed models in two languages, English and Czech, employing ELECTRA-small models. Our combined models improve ABSA performance in both languages. Moreover, we achieved new state-of-the-art results on the Czech ABSA.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google