@进行中{klein-etal-2022意见,title=“用于跨域方面术语提取的基于Opinion的关系旋转”,author=“克莱恩、阿亚尔和佩雷格、奥伦和科拉特、丹尼尔和拉尔、瓦苏提夫和Wasserblat、Moshe和伊多,达根”,editor=“巴恩斯、杰里米和De Clercq、Orph和Barriere、Valentin和塔弗莱斯、沙布南和Alqahtani、Sawsan和Sedoc、Jo和Klinger、Roman和亚历山德拉·巴拉胡”,booktitle=“第十二届主观情感计算方法研讨会论文集”,月=5月,年=“2022”,address=“爱尔兰都柏林”,publisher=“计算语言学协会”,url=“https://aclantology.org/2022.wassa-1.11”,doi=“10.18653/v1/2022.wassa-1.11”,pages=“104--112”,abstract=“领域自适应方法通常利用领域可转移的输入特征,也称为支点。方面和意见术语提取的任务对领域转移提出了特殊的挑战:虽然意见术语在很大程度上跨领域转移,但方面从一个领域到另一个领域(例如从餐馆到笔记本电脑)会发生巨大变化在本文中,我们调查并实证地建立了一个先验猜想,该猜想表明,将观点术语与其方面联系起来的语言关系跨领域传递良好,因此可以用于跨领域方面术语提取。我们通过用四种语言依赖形式来表示关系模式的实验,提出了一些支持这一推测的分析。随后,我们提出了一种方面术语提取方法,该方法通过明确的多任务目标驱动模型考虑观点{--}方面关系。这种方法提供了显著的性能提升,即使是在先前最先进的语言信息模型之上,分析表明,该模型源自关系旋转信号。",}
<?xml version=“1.0”encoding=“UTF-8”?><modsCollection xmlns=“http://www.loc.gov/mods/v3"><mods ID=“klein-etal-2022-意见”><标题信息>用于跨域方面术语提取的基于Opinion的关系旋转</titleInfo><name type=“personal”>阿亚尔克莱因<角色>作者</角色></name><name type=“personal”><namePart type=“given”>奥伦</namePart>佩雷格<角色>作者</角色></name><name type=“personal”>丹尼尔科拉特<角色>作者</角色></name><name type=“personal”>瓦苏提夫<namePart type=“family”>Lal</namePart><角色>作者</角色></name><name type=“个人”>Moshe Moshe瓦瑟布拉特<角色>作者</角色></name><name type=“personal”>Ido达根<角色>作者</角色></name><originInfo>2022-05发布日期</originInfo><typeOfResource>文本<relatedItem type=“主机”><标题信息><title>第十二届主观、情感和情感计算方法研讨会论文集;社交媒体分析</title></titleInfo><name type=“个人”>杰里米巴恩斯<角色><roleTerm authority=“marcorrator”type=“text”>编辑器</roleTerm></角色></name><name type=“personal”>OrphéeDe Clercq<角色>编辑器</角色></name><name type=“personal”>瓦伦丁屏障<角色>编辑器</角色></name><name type=“personal”>沙布南塔弗莱斯<角色>编辑器</角色></name><name type=“personal”><namePart type=“given”>Sawsan</namePart>阿尔卡塔尼<角色>编辑器</角色></name><name type=“personal”>乔昂Sedoc系列<角色>编辑器</角色></name><name type=“personal”>罗马语<namePart type=“family”>克林格</namePart><角色>编辑器</角色></name><name type=“personal”>亚历山大巴拉胡<角色>编辑器</角色></name><originInfo>计算语言学协会<位置>爱尔兰都柏林</place></originInfo>会议出版物</relatedItem><abstract>域自适应方法通常利用域可传输的输入特征,即枢轴。Aspect和Opinion Term Extraction的任务对域传输提出了一个特殊的挑战:虽然意见术语主要跨域传输,但方面从一个域到另一个域(例如从餐厅到笔记本电脑)的变化很大。在本文中,我们调查并实证地建立了一个先验猜想,该猜想表明,将观点术语与其方面联系起来的语言关系跨领域传递良好,因此可以用于跨领域方面术语提取。我们通过用四种语言依赖形式来表示关系模式的实验,提出了一些支持这一推测的分析。随后,我们提出了一种方面术语提取方法,该方法通过明确的多任务目标驱动模型考虑观点-方面关系。这种方法提供了显著的性能提升,即使是在先前最先进的语言信息模型之上,分析表明,该模型源自关系旋转信号</摘要>klein-etal-2022意见10.18653/v1/2022.wassa-1.11<位置><网址>https://aclantology.org/2022.wassa-1.11</url></位置><部分>2022-05年<扩展单元=“page”><开始>104<end>112</范围></部分></mods></mods集合>
%0会议记录%基于T Opinion的跨域方面术语提取的关系旋转%阿亚尔·克莱因%奥伦·佩雷格%丹尼尔·科拉特%瓦苏提夫·阿拉尔%A Wasserblat,莫舍%阿达甘,爱多%杰里米·巴恩斯%奥尔菲·德克莱克%瓦伦丁·Y·巴里雷%Y Tafreshi,沙布南%Y Alqahtani、Sawsan%Y Sedoc,若昂%罗曼·克林格%亚历山德拉·Y Balahur%第十二届主观性、情感和社交媒体分析计算方法研讨会论文集%D 2022年%5月8日%计算语言学协会%C都柏林,爱尔兰%F klein-etal-2022意见%X域适配方法通常利用域可传输的输入特征,即枢轴。Aspect和Opinion Term Extraction的任务对域传输提出了一个特殊的挑战:虽然意见术语主要跨域传输,但方面从一个域到另一个域(例如从餐厅到笔记本电脑)的变化很大。在本文中,我们调查并实证地建立了一个先验猜想,该猜想表明,将观点术语与其方面联系起来的语言关系跨领域传递良好,因此可以用于跨领域方面术语提取。我们通过用四种语言依赖形式来表示关系模式的实验,提出了一些支持这一推测的分析。随后,我们提出了一种方面术语提取方法,该方法通过明确的多任务目标驱动模型考虑观点-方面关系。这种方法提供了显著的性能提升,即使是在先前最先进的语言信息模型之上,分析表明,这种模型源自关系旋转信号。%R10.18653/v1/2022.wassa-1.11%U型https://aclantology.org/2022.wassa-1.11%U型https://doi.org/10.18653/v1/2022.wassa-1.11%电话:104-112
降价(非正式)
[基于Opinion的跨域方面术语提取的关系旋转](https://aclantology.org/2022.wassa-1.11)(Klein等人,WASSA 2022)
国际计算语言学协会
- 阿亚尔·克莱因(Ayal Klein)、奥伦·佩雷格(Oren Pereg)、丹尼尔·科拉特(Daniel Korat)、瓦苏德夫·拉尔(Vasudev Lal)、摩西·瓦瑟布拉特(Moshe Wasserblat)和伊多·达根(Ido Dagan)。2022基于Opinion的跨域方面术语提取的关系旋转.英寸主观性、情感和社交媒体分析的计算方法第12次研讨会会议记录,第104–112页,爱尔兰都柏林。计算语言学协会。