awesome sentiment attitude extraction

멋진 감정 태도 추출

감정 태도 추출과 관련된 멋진 스터드 목록은 태도가 텍스트, 이벤트 등과 같은 텍스트에 언급 된 다른 대상에 의해 전달 된 텍스트 위치 에 해당합니다.

이 저장소 수집은 감정 추출 및 감정 탐지에 대한 기본 연구로서의 사건 사실화를 포함 하여이 두 도메인이 불가능하게 연결된 관계 추출 및 감정 분석 과 관련하여 작동합니다.

기고 : 풀어 요청을 받거나 저에게 연락하십시오 [연락처]

내용물

• 관련 연구
• 프레임 워크
• 주석 스키마
• 서류
  • 큰 언어 모델
    • 추리
    • 사실 확인 적응
    • 생각의 사슬
    • 대화 시스템
  • 언어 모델
    • 그래프 기반
    • 낮은 리소스 튜닝
    • 프롬프트 및 지식 시험
    • 아키텍처
  • 기존의 신경 네트워크 기반 모델
  • 기존의 기계 학습 모델
  • CRF 기반 모델
  • 규칙 기반 동사 적용 가능한 모델
  • 자회사 연구 및 자원
  • 여러 가지 잡다한
• 논문
• 데이터 세트

관련 연구

• 자연어 처리
  • 감정 분석
    • 표적 세정주의 분석
    • 구조적 감정 분석 (Semeval Task 10)
    • 측면 기반 감정 분석
    • 증오 음성 탐지
  • 관계 추출
  • 자세 탐지

프레임 워크

• 벌크 체인 [github]
  • 사슬의 개념을 이용하고 제로 샷 추론에 대한 최소한의 솔루션을 제공하는 프레임 워크. 예를 들어, Thor-Isa의 aspect-opininon-reason 체인의 개념을 악용하여 태도 추출에 적응할 수 있습니다.
• Faima [github]
  • 그래프 기반 모델과 언어학을 통합하는 프레임 워크, 다중 도메인 SA를위한 텍스트 내 학습을 목표로하는 핵심 기능.
• 소지자의 분석-분석 프레임 워크 [GitHub]
  • 이 프레임 워크는 THOR-ISA 프레임 워크의 리포 겟 버전을 상환합니다.
  • Thor-Isa [github]
    • LLM 시스템에서 결과 감정 클래스를 얻기위한 개념을 기반으로 한 Setiment 분석을위한 Propt 기반 프레임 워크.
• OpenPrompt [github]
  • 제공된 리소스를 통한 프롬프트의 자동 완료를위한 향상된 도구.
• chatgpt [사이트]
  • 지시에 따라 신속하게 교육을 받고 자세한 응답을 제공하도록 훈련 된 대화 시스템; 다음 작업에서 어떻게 적응할 수 있는지에 대한 예.
• Arekit-Prompt-Sampler [Github] [프롬프트 엔지니어링 가이드]
  • 감정 태도 추출 소스는 Arekit에 의해 구동되는 추가 Chatgpt와 유사 모델 요청을 위해 언어 전송 및 API를 제기하는 샘플링.
• arelight [github]
  • 러시아어로 쓰여진 대중 메디아 텍스트의 단체 간의 감정에 대한 세분화 된 관점을위한 Arekit 기반 응용 프로그램
• Arenets [github]
  • OpenNRE와 같은 프로젝트이지만 TensorFlow 라이브러리를 기반으로하는 커널은 태도 및 관계 추출 작업을 위해 설계된 신경망을 구현했습니다.
• Arekit [Github] [연구 적용 가능한 종이]
  • 문서 수준 관계 추출 조직을위한 데이터 준비에 중점을 둔 오픈 소스 및 확장 가능한 툴킷입니다. 후자의 관점에서 문서 수준 RE 설정이 널리 탐색되지 않는 OpenNRE 기능을 보완합니다 (2.4 [논문]).
• Dere [github] [종이]
  • Claritive Relation extraction 의 오픈 소스 프레임 워크이므로 (XML Schemas를 사용하여) 자신의 작업을 선언하고 (제공된 API 사용) 수동으로 구현 된 모델을 적용 할 수 있습니다.
• Opennre [github] [종이]
  • 명명 된 엔티티 간의 관계 추출 (RE)을위한 신경 모델을 구현하기위한 통합 프레임 워크를 제공하는 오픈 소스 및 확장 가능한 툴킷입니다.
• DeepPavlov-0.17.0 [Docs] [Post]
  • Anastasiia Sedova가 제안한 DeepPavlov OpenSource Library의 전체 관계 추출 구성 요소입니다.
• 기타 ... [굉장한 관계-추출]

위로 돌아갑니다

주석 스키마

• 의견 ml [종이]
• Sentiml [종이]
• 의견 miningml [종이]
• 감정 ML [종이]

위로 돌아갑니다

서류

위로 돌아갑니다

큰 언어 모델

멋진 -llm 목록

추리

• 역전 사고는 LLM을 더 강한 추론을 만듭니다 [종이] [X/Twitter]
  • Concept: Using referse thinking in sentiment analysis by treating this problem as NLI through the explanations. Note requires explanations like for example
  • Justin Chih-Yao Chen, Zifeng Wang, Hamid Palangi, Rujun Han, Sayna Ebrahimi, Long Le, Vincent Perot, Swaroop Mishra, Mohit Bansal, Chen-Yu Lee, Tomas Pfister
  • ARXIV 프리 프린트 2024
• 검색 흐름 (SOS) : 언어 검색 학습 [논문] [검토] [X/Twitter]
  • Concept: language models can learn to search in language, autonomously using and discovering new search strategies to solve problems. 여기에서 [리뷰]
  • Kanishk Gandhi, Denise Lee, Gabriel Grand, Muxin Liu, Winson Cheng, Archands Sharma, Noah D. Goodman
  • Colm 2024 (출판 : 7 월 10 일)
• 별 : 추론에 대한 부트 스트랩 추론 [논문] [x/twitter] [검토]
  • Concept: STaR allows a language model's "chain-of-thought" rationale generation ability to be bootstrapped from a few initial few-shot rationales on datasets without rationales. 여기에서 [리뷰]
  • Eric Zelikman, Yuhuai Wu, Jesse Mu, Noah D. Goodman
  • Nerips 2022

위로 돌아갑니다

사실 확인 적응

참고 : 사실 지식베이스의 존재를 요구 / 가정합니다

• 반 사실을 통한 일관된 문서 수준 관계 추출 [논문] [코드]
  • Concept: use factual relations for fictional context construction and LLM validation
  • Ali Modarressi, Abdullatif Köksal, Hinrich Schütze
  • 2024 년 10 월 15 일 EMNLP-2024
• 세분화 된 자연어 피드백으로 정제하는 법 배우기 [논문] [코드]
  • Concept: When treating attitudes as facts, we can adopt zero-shot LLM-based fact cheking as: Detect-Critique-Refine
  • Manya wadhwa, Xinyu Zhao, Junyi Jessy, Li Greg Durrett
  • EMNLP-2024
• 자연 논리 및 대형 언어 모델을 통한 제로 샷 사실 검증 [논문] [코드]
  • Concept: Use natural logic for proving the fact of attitude presence in a zero-shot learning mode (see code)
  • EMNLP-2024

생각의 사슬

• Faima : 다중 도메인 종횡비 기반 감정 분석을위한 기능 인식 텍스트 학습 [논문] [코드]
  • 그래프 기반 모델과 lingustics를 that integrates 프레임 워크 and lingustics, with core feature aimed at in-context-learning feature for multi-domain SA; The framework is designed for multidomain datasets; Due to graphs and pairs-generation module, it may find major contribution in **attitude-based** sentiment extraction and target-oriented SA.
  • Songhua Yang, Xinke Jiang, Hanjie Zhao, Wenxuan Zeng, Hongde Liu, Yuxiang Jia
  • LREC-COLES 2024, 긴 종이 ; 2024 년 3 월 2 일 제출.
• 명시 적 감정 증강 [논문] [Harvard-Paper]를 사용한 종횡비 기반 감정 분석
  • integrates explicit sentiment augmentations, acted as <<clues>> that augment LLM input context
  • Jihong Ouyang, Zhiyao Yang, Silong Liang, Bing Wang, Yimeng Wang, Ximing Li
  • ARXIV 프리 인쇄, 제출 : 2024 년 12 월 18 일
• LLM 협상을 통한 감정 분석 [논문] [공개 검토]
  • generator-discriminator of negotiating the result label
  • Xiaofei Sun, Xiaoya Li, Shengyu Zhang, Shuhe Wang, Fei Wu, Jiwei Li, Tianwei Zhang, Guoyin Wang
  • Arxiv 사전 인쇄, 제출 : 2024
• 추론 중심의 추론에 대한 암시 적 감정 [논문] [코드]
  • Sequence of 3 prompts for conversational system, complemented by tge system responses. Reason is to cope with hallucination
  • Hao Fei, Bobo Li, Qian Liu, Lidong Bing, Fei Li, Tat-Seng Chua
  • ACL 2023, 짧은 서류

위로 돌아갑니다

대화 시스템

약속/질문과 함께 언어 모델 (일반적으로 대형) 사용

• 큰 언어 모델 시대의 감정 분석 : 현실 점검 [종이]
  • application of the LLM and based on the latter ChatGPT for the variety set of sentiment analysis problems
  • Wenxuan Zhang, Yue Deng, Bing Liu, Sinno Jialin Pan, Lidong Bing
  • Arxiv, 2023 년 5 월 24 일
• chatgpt가 인간 주석보다 낫습니까? 암시 적 증오 연설을 설명 할 때 chatgpt의 잠재력과 한계 [종이]
  • Huang Fan, Kwak Haewoon, Jisun
  • 하버드, 2 월, 2023
• Chatgpt가 출시 된 후에 자세 감지 기술은 어떻게 발전할까요? [종이]
  • Introducing prompt templater which allows to reach state-of-the art with zero-shot learning!
  • Bowen Zhang, Daijun Ding, Liwen Jing
  • 하버드, 2022 년 12 월

위로 돌아갑니다

언어 모델

멋진 -llm 목록

그래프 기반

• Graph- 및 Seq2Seq- 기반 모델을 비교하면 구조적 감정 분석의 어려움이 강조됩니다 [논문] [코드]
  • Gaku Morio, 오자키 히로아키, 야마구치 아스쿠키, 야스 히로 소가와
  • ACL-Workshop, 2022
• 상식 지식 그래프로 제로 샷 및 소수의 자세 탐지 향상 [논문]
  • Rui Liu, Zheng Lin, Yutong Tan1, Weiping Wang
  • ACL-IJCNLP 2021

위로 돌아갑니다

낮은 리소스 튜닝

• 다국어 감정 어휘집을 사용하여 저주적 언어의 제로 샷 감정 분석 [논문] [코드]
  • Fajri Koto, Tilman Beck, Zeerak Talat, Iryna Gurevych, Timothy Baldwin
  • NAACL-2024
• 언어 모델을위한 블랙 박스 튜닝 [종이] [코드]
  • Non gradient p-tunes, wrapped in API in order to consider large Pre-Trained models (PTMs) adoptation as Service models
  • Tianxiang Sun, Yunfan Shao, Hong Qian, Xuanjing Huang, Xipeng Qiu
  • Arxiv 프리 프린트, 2022
• P- 조정 v2 : 프롬프트 튜닝은 스케일 및 작업에서 보편적으로 미세 조정과 비교할 수 있습니다 [논문] [코드]
  • Proceeds Prefix-Tuning idea onto multiple layers of LM-model
  • Xiao Liu, Kaixuan JI, Yicheng Fu, Zhengxiao du, Zhilin Yang, Jie Tang
  • DBLP Jornal, 2021
• 매개 변수 효율적인 프롬프트 튜닝 [용지] [코드]에 대한 스케일의 전력
  • Prompt-designing, prompt-tuning comparison studies
  • Brian Lester, Rami Al-Rfou, Noah Constant
  • EMNLP-2021
• GPT는 [종이] [코드]도 이해합니다.
  • Promt Tuning (p-tuning), ie training only promt token embeddings before and after input sequence (x)
  • Xiao Liu, Yanan Zheng, Zhengxiao du, Ming Ding, Yujie Qian, Zhilin Yang, Jie Tang
  • 2021
• 접두사 조정 : 세대를위한 연속 프롬프트 최적화 [종이] [코드]
  • Training token prefixes for downstream tasks with frozen LM parameters
  • Xiang Lisa Li, Percy Liang
  • ACL/IJCNLP-2021
• 언어 모델은 소수의 학습자입니다 [종이]
  • Prompt designing. FS, 1S by presenting context as "[input,result] x k-times", where k > 1 (FewShot), k = 1 (OneShot); ZeroShot includes only descriptor of expected result
  • Tom B. Brown, et. 알.
  • Neurips-2020
• AutoPrompt : 자동으로 생성 된 프롬프트가있는 언어 모델에서 지식을 유발합니다 [논문] [코드]
  • Considering sentiment analysis task as MLM by predicting [MASK]; prompting input (x) with tokens (p1...pk), selected by gradient search (considering that label has corresponding tokens (prompts))
  • Taylor Shin, Yasaman Razeghi, Robert L. Logan IV, Eric Wallace, Sameer Singh
  • EMNLP-2020

위로 돌아갑니다

프롬프트 및 지식 시험

• 큰 언어 모델 시대의 감정 분석 : 현실 점검 [종이]
  • duplicated from the one in conversational systems section
  • Wenxuan Zhang, Yue Deng, Bing Liu, Sinno Jialin Pan, Lidong Bing
  • Arxiv, 2023 년 5 월 24 일
• 언어 모델이 무엇을 알고 있는지 어떻게 알 수 있습니까? [종이] [코드]
  • Implemented model LPAQA: Language model Prompt And Query Archive
  • Zhengbao Jiang, Frank F. Xu, Jun Araki, Graham Neubig
  • TACL-2020
• 지식 기반으로 언어 모델? [종이] [코드]
  • Fabio Petroni, Tim Rocktäschel, Patrick Lewis, Anton Bakhtin, Yuxiang Wu, Alexander H. Miller, Sebastian Riedel
  • EMNLP-2019
• 보조 문장 구성 [논문] [코드]를 통해 종전 기반 감정 분석을 위해 BERT 사용
  • Adopting a predefined prompt (QA/NLI formats) as a TextB input part
  • Chi Sun, Luyao Huang, Xipeng Qiu
  • NAACL-HLT 2019

위로 돌아갑니다

아키텍처

• Bert 기반 모델 (TransorfMers의 인코더 reprsentation) [논문]
  • Considering BERT model as classifier
  • Joohong Lee, 멋진 관계 추출
• GPT 기반 (TransorfMers의 인코더 reprsentation) [논문]
  • Considering GPT model competed for classification task
  • Joohong Lee, 멋진 관계 추출
• Graph- 및 Seq2Seq- 기반 모델을 비교하면 구조적 감정 분석의 어려움이 강조됩니다 [논문] [코드]
  • T5 and mT5 finetunnning , IE 텍스트-텍스트 전송 트랜스 오포머 애플리케이션
  • Gaku Morio, 오자키 히로아키, 야마구치 아스쿠키, 야스 히로 소가와
  • ACL-Workshop, 2022

위로 돌아갑니다

기존의 신경 네트워크 기반 모델

이 섹션에서는 컨볼 루션, 재발 성 재귀 아키텍처를 기반으로 한 신경 네트워크 모델을 고려합니다.

• 영구적 인 친구 나 적 : 뉴스에서 국가 간의 관계 추적 [논문]
  • Xiaochuang Han, 은신 선택, Chenhao Tan
  • NAACL-HLT 2019
• 열린 도메인 표적 정서에 대한 신경망 [논문]
  • Meishan Zhang, Yue Zhang, Duy-Tin Vo
  • ACL 2015

위로 돌아갑니다

기존의 기계 학습 모델

• 사회, 진영 및 담론 맥락에 대한 문서 수준의 감정 추론 [논문]
  • 은슬 초, 한나 라시킨, 루크 제트 레코이어, 예종 초
  • ACL-2016
• 감정 분석 : 자연어 처리를 사용하여 호의를 캡처 [논문]
  • it is originally called favorability analysis, semantic establishment between sentiment and subject
  • Tetsuya Nasukawa, Jeonghee Yi
  • K-CAP-2003 (ACM)

CRF 기반 모델

• 열린 도메인 표적 정서 [종이]
  • Margaret Mitchell, Jacqueline Aguilar, Theresa Wilson, Benjamin van Durme
  • ACL 2013

규칙 기반 동사 적용 가능한 모델

• 독일 우익 파티의 Facebook 게시물에서의 자세 탐지 [종이]
  • Manfred Klenner, Don Wuggener, Simon Clematide
  • Verb-usages form
  • ACL 2017 (어휘, 문화 및 담론 수준의 의미의 연결 모델에 관한 제 2 워크숍)
• 역할 프레임 및 태도 예측의 객체 지향 모델 [논문]
  • Object-oriented model
  • ACL 2017 (어휘, 문화 및 담론 수준의 의미의 연결 모델에 관한 제 2 워크숍)
• 확률 론적 소프트 로직 모델을 사용한 엔티티/이벤트 수준 감정 분석에 대한 공동 예측 [논문]
  • Lingjia Deng, Janyce Wiebe
  • EMNLP 2015
• 팩트 뱅크 : 이벤트 사실로 주석이 달린 코퍼스 [종이]
  • 로저 사우 리, 제임스 파스테 조브스키
  • 2009 년

위로 돌아갑니다

자회사 연구 및 자원

• 실체 간의 힘과 사회적 역학 측정 리베트 [종이]
  • Maria Antoniak, Anjalie Field, Jimin Mun, Melanie Walsh, Lauren F. Klein, Maarten SAP
  • ACL-2023
• 다국어 의미 프레임 : 대상 감정 분석 및 예측을위한 소셜 미디어에 대한 사례 연구 [논문] [자원]
  • Hannah Rashkin, Eric Bell, Yejin Choi, Svitlana Volkova
  • ACL-2017
• 1 인칭 영향에 대한 어음전 패턴 학습 [종이]
  • Lena Reed, Jiaqi Wu, Shereen Oraby
  • ACL-2017
• 남용 이해 : 학대 언어 탐지 하위 태스크의 유형학 [종이]
  • Zeerak Waseem, Thomas Davidson, Dana Warmsley, Ingmar Weber
  • ACL-2017
• 의미 프레임 : 데이터 중심 조사 [논문]
  • Hannah Rashkin, Sameer Singh, Yejin Choi
  • ACL-2016
• 캐릭터가 말보다 더 많이 남용합니까? [종이]
  • Yashar Mehdad, Joel Tetreault
  • Sigdial-2016

위로 돌아갑니다

여러 가지 잡다한

• 의견의 견고성 확인 [논문]
  • Josef Ruppenhofer, Jasper Brandes
  • Konvens 2016

위로 돌아갑니다

논문

• 감독되지 않은 제어 가능한 재 작성을 사용한 텍스트에서 성 편견 완화 [Master-Thesis]
  • Maja Brinkmann
  • Paderborn University, 2022
    • Connotation Frames (2.1.3.)
    • Connotational Frames and Lexicon (3.1.1.)

위로 돌아갑니다

데이터 세트

• 지금 (2010- 현재) [사이트] - 웹 코퍼스 뉴스.
  • 2010 년부터 현재까지 20 개의 영어권 국가의 온라인 잡지 및 신문의 데이터가 포함되어 있습니다. (원시 텍스트 만).
• MPQA-3.0, (2015) [사이트] [논문]
• SNLI [사이트] [논문] - 스탠포드 자연 언어 추론
  • 570K 인간에 쓴 영어 문장 쌍은 레이블 수정 , 모순 및 중립 으로 균형 잡힌 분류를 위해 수동으로 레이블이 지정됩니다.
• Factbank 2009, [종이] - 이벤트 사실로 주석이 달린 코퍼스
  • 208 개의 문서로 구성되며 타임 뱅크 데이터를 포함하여 총 9,488 개가 포함되어 있습니다. 수동으로 주석이 달린 이벤트.
• 타임 뱅크, 2003 [사이트] [종이]
  • 사건, 시간 및 시간 관계를 나타내도록 주석이 달라집니다

위로 돌아갑니다