![](https://img-blog.csdnimg.cn/9c4455db099a40dfb299ac91429233ca.jpeg?x-oss-process=image/resize,m_fixed,h_224,w_224)
文献阅读
文章平均质量分 92
nlp文献阅读
CodeWang_NC
三人行, 必有我师
展开
-
On the Strength of Sequence Labeling and Generative Modelsfor Aspect Sentiment Triplet Extraction
生成模型在方面情感三元组抽取任务中取得了很大的成功。然而,现有的方法忽略了方面词和意见词之间的相互信息线索,可能会产生错误的三元组对。此外,生成模型固有的局限性,即逐个标记的解码和简单的结构化提示,使得模型无法处理复杂的结构,特别是多个单词跨度的术语和多个三元组的句子。为了解决这些问题,我们提出了一个序列标记增强生成模型。首先,我们将aspect和opinion之间的依赖关系编码到两个双向模板中,以避免错误配对的三元组。原创 2023-09-10 00:29:54 · 414 阅读 · 0 评论 -
A Fine-Grained Social Bias Measurement Framework for Open-Domain Dialogue Systems (NLPCC 2022)
基于大规模语料库的预训练模型可以有效地提高开放域对话系统在性能方面的性能。然而,最近的研究表明,在预先训练的模型中存在各种道德问题,严重影响了对话系统的应用。在这些伦理问题中,社会偏见特别复杂,因为它对边缘化群体的负面影响往往是隐性的,因此需要规范推理和严格分析。在本文中,我们报告了团队BERT 4 EVER为NLPCC 2022共享任务7 -细粒度对话社会偏见测量提供的解决方案,该任务旨在测量对话场景中的社会偏见。原创 2023-08-22 18:22:41 · 189 阅读 · 0 评论 -
An Effective Deployment of Contrastive Learning in Multi-label Text Classification (ACL2023)
对比学习技术在自然语言处理任务中的有效性还有待探索和分析。如何正确合理地构建正反样本是对比学习的核心挑战。在多标签文本分类任务中发现对比对象甚至更难。以前的工作中提出很少提出对比损失。在本文中,我们从一个不同的角度研究这个问题,提出了五个新的对比损失的多标签文本分类任务。分别是严格对比损失(SCL)标签内对比损失(ICL)Jaccard相似性对比损失(JSCL)Jaccard相似性概率对比损失(JSPCL)逐步标签对比损失(SLCL)。原创 2023-08-22 16:48:02 · 217 阅读 · 0 评论 -
MVP: Multi-view Prompting Improves Aspect Sentiment Tuple Prediction
论文地址: https://arxiv.org/pdf/2305.12627.pdf论文代码: https://github.com/ZubinGou/multi-view-promptingMulti-view Prompting (MVP)本文提出了多试图提示(MVP)模型处理方面级别情感分析,以聚合不同顺序产生的情感元素,利用不同视角的人类问题解决过程的直觉。具体来说,(MVP)引入元素顺序提示,引导语言模型生成多个情感元组,每个元组的元素顺序不同,然后投票选出最合理的元组。(MVP)可以自然地将多原创 2023-06-26 15:39:07 · 737 阅读 · 0 评论 -
A Robustly Optimized BMRC for Aspect Sentiment Triplet Extraction 论文阅读
A Robustly Optimized BMRC for Aspect Sentiment Triplet Extraction用于方面情感三重提取的稳健优化BMRC原创 2022-11-01 17:24:19 · 541 阅读 · 1 评论 -
Bidirectional Machine Reading Comprehension for Aspect Sentiment Triplet Extraction 论文阅读
Bidirectional Machine Reading Comprehension forAspect Sentiment Triplet Extraction 方面情感三元组提取的双向机器阅读理解原创 2022-11-01 16:35:59 · 336 阅读 · 1 评论 -
Grid Tagging Scheme for Aspect-oriented Fine-grained Opinion Extraction 论文阅读
Grid Tagging Scheme for Aspect-oriented Fine-grained Opinion Extraction摘要研究目标与科学问题:Aspect-oriented Fine-grained Opinion Extraction (AFOE) 旨在以意见对的形式从评论中提取aspect term和opinion term,或者额外提取aspect term的情感极性形成意见三元组。现有的方法:目前两种最先进的管道方法来提取意见对OPE:共提取(Wang et al原创 2022-04-30 16:52:18 · 1687 阅读 · 4 评论 -
Learning Span-Level Interactions for Aspect Sentiment Triplet Extraction 复现
论文地址:https://aclanthology.org/2021.acl-long.367.pdf论文代码:https://github.com/wireless911/span-aste论文讲解:https://blog.csdn.net/qq_36234441/article/details/1197913261.创建环境(如有需要)conda create -n SpanASTE python=3.8.0进入到环境中:conda activate SpanASTE2.下载pyto原创 2022-04-29 11:46:23 · 1287 阅读 · 9 评论 -
方面级情感分析综述论文&论文+讲解+复现(ABSA)
2022最新方面级别情感分析论文综述:A Survey on Aspect-Based Sentiment Analysis:Tasks, Methods, and Challenges其中关于ASTE-Data-V2数据集的论文1.论文地址1.Towards Generative Aspect-Based Sentiment Analysis ACL20212.Learning Span-Level Interactions for Aspect Sentiment Triplet Extra原创 2022-04-28 14:59:31 · 9170 阅读 · 6 评论 -
Towards Generative Aspect-Based Sentiment Analysis 复现
论文代码地址:https://github.com/IsakZhang/Generative-ABSA1.安装pytorch假设你已经进入创建好的的虚拟环境中:pip3 install torch torchvision torchaudio --extra-index-url https://download.pytorch.org/whl/cu1132.根据read.md安装对应环境pip install transformers==4.0.0pip install sentencepi原创 2022-04-19 10:39:02 · 2266 阅读 · 8 评论