Let’s Rectify Step by Step: Improving Aspect-based Sentiment Analysis with Diffusion Models

要約

アスペクトベースの感情分析 (ABSA) は、テキスト内の特定された側面に関連する感情の極性を予測する上で重要なタスクです。
ただし、ABSA の注目すべき課題は、特に長いものの場合、ユーザーの口語的な表現により、アスペクトの境界 (開始インデックスと終了インデックス) を正確に決定することにあります。
我々は、ABSA に合わせて段階的に側面を抽出する新しい拡散モデル、DiffusionABSA を提案します。
特に、DiffusionABSA はトレーニング プロセスでアスペクト項に徐々にノイズを追加し、その後、これらの項を逆の方法で徐々に復元するノイズ除去プロセスを学習します。
境界を推定するために、構文を意識した時間的注意メカニズムによって強化されたノイズ除去ニューラル ネットワークを設計し、側面と周囲のテキストの間の相互作用を時系列にキャプチャします。
8 つのベンチマーク データセットに対して実施された実証評価により、堅牢なベースライン モデルと比較した場合に、DiffusionABSA によってもたらされる説得力のある利点が強調されます。
私たちのコードは https://github.com/Qlb6x/DiffusionABSA で公開されています。

要約(オリジナル)

Aspect-Based Sentiment Analysis (ABSA) stands as a crucial task in predicting the sentiment polarity associated with identified aspects within text. However, a notable challenge in ABSA lies in precisely determining the aspects’ boundaries (start and end indices), especially for long ones, due to users’ colloquial expressions. We propose DiffusionABSA, a novel diffusion model tailored for ABSA, which extracts the aspects progressively step by step. Particularly, DiffusionABSA gradually adds noise to the aspect terms in the training process, subsequently learning a denoising process that progressively restores these terms in a reverse manner. To estimate the boundaries, we design a denoising neural network enhanced by a syntax-aware temporal attention mechanism to chronologically capture the interplay between aspects and surrounding text. Empirical evaluations conducted on eight benchmark datasets underscore the compelling advantages offered by DiffusionABSA when compared against robust baseline models. Our code is publicly available at https://github.com/Qlb6x/DiffusionABSA.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google