awesome sentiment attitude extraction

Удивительное настроение извлечения

Куративный список удивительных студентов, связанных с извлечением настроения, в котором отношение соответствует положению текста, передаваемой предметом для других объектов, упомянутых в тексте, как: сущности, события и т. Д.

Этот репозиторий собирает работы, связанные с извлечением отношений и анализом настроений , в котором эти два домена неразрывно связаны, включая фактическую фактуру события как фундаментальные исследования для вывода настроений, обнаружение позиции.

Внесение вклад: Пожалуйста, не стесняйтесь делать запросы на привлечение или свяжитесь со мной [контакты]

Содержимое

• Связанные исследования
• Рамки
• Схемы аннотации
• Документы
  • Большие языковые модели
    • Рассуждение
    • Адаптация проверки фактов
    • Цепочка мыслей
    • Разговорные системы
  • Языковые модели
    • График на основе
    • Низкие настройки ресурсов
    • Подсказки и экзамен на знания
    • Архитектуры
  • Обычные модели на основе нейронной сети
  • Обычные модели машинного обучения
  • Модели на основе CRF
  • Применяемые на основе правил модели
  • Вспомогательные исследования и ресурсы
  • Разнообразный
• Это
• Наборы данных

Связанные исследования

• Обработка естественного языка
  • Анализ настроений
    • Целевой анализ седимента
    • Анализ структурированных настроений (Semeval Задача 10)
    • Анализ настроений на основе аспектов
    • Обнаружение ненависти
  • Извлечение отношений
  • Обнаружение позиции

Рамки

• Основная цепь [GitHub]
  • Структура, которая использует концепцию цепочки мыслей и обеспечивает минималистичное решение для выводов с нулевым выстрелом. Например, вы можете использовать концепцию цепочки aspect-opininon-reason из Thor-Isa, чтобы адаптировать ее для извлечения отношения.
• Faima [GitHub]
  • Структура, которая интегрирует модели на основе графиков и лингвистику, с основной функцией, направленной на внедорожное обучение для многодоменного SA.
• Рассуждение за сдержание-анализ-карамец [GitHub]
  • Этот фреймворкс представила версию REFORGET THOR-ISA Framework:
  • Тор-Иса [GitHub]
    • Основа на основе Propt для анализа ссад, основанного на концепции цепочки, для получения класса настроений результатов из системы LLM.
• OpenPrompt [GitHub]
  • Усовершенствованный инструмент для автоматического завершения подсказки через предоставленные ресурсы.
• Chatgpt [сайт]
  • Система разговоров, которая обучена следовать инструкции в подсказке и предоставить подробный ответ; Примеры того, как это может быть адаптировано в следующей работе.
• arekit-prompt-sampler [github] [rommence-engenering-guide]
  • Источники извлечения настроений. Источники извлечения с переносом языка и подсказка API для дальнейших запросов моделей, похожих на CATGPT, питаются от AreKit.
• Arelight [GitHub]
  • Приложение на основе Арекита на гранулированный взгляд на настроения между организациями в массовых текстах, написанных на русском языке
• ПРЕИМУЩЕСТВА [GitHub]
  • Это проект, похожий на OpenNre, но ядро, основанное на библиотеке TensorFlow, с внедрением нейронных сетей поверх него, предназначенным для задач по отношению к отношению и извлечения отношения.
• Arekit [github] [Применяемая исследование бумага]
  • Является открытым исходным кодом и расширяемым инструментом, ориентированным на подготовку данных для организации по достоинств на уровне документов. Он дополняет функциональность OpenNRE, как и в плане последнего, настройка RE на уровне документа не широко изучается (2.4 [Paper]).
• Dere [GitHub] [Paper]
  • Является структурой с открытым исходным кодом для de clarity re extraction и, следовательно, позволяет объявить свою собственную задачу (с использованием схемы XML) и применить вручную внедренные модели для него (с помощью предоставленного API).
• OpenNre [GitHub] [Paper]
  • Является открытым исходным кодом и расширяемым инструментом, который обеспечивает унифицированную основу для реализации нейронных моделей для добычи отношения (re) между названными объектами.
• Deeppavlov-0.17.0 [DOCS] [Пост]
  • Является целым компонентом извлечения отношений для библиотеки открытия Deeppavlov, предложенной Anastasiia sedova.
• Другие ... [Удивительное рецидивовое экстракция]

Вернуться к вершине

Схемы аннотации

• Мнениемл [бумага]
• Sentiml [Paper]
• МНЕНИЕМИНГМЛ [PAPER]
• Emotherml [Paper]

Вернуться к вершине

Документы

Вернуться к вершине

Большие языковые модели

Потрясающий список

Рассуждение

• Обратное мышление делает LLMS более сильными разумерами [Paper] [X/Twitter]
  • Concept: Using referse thinking in sentiment analysis by treating this problem as NLI through the explanations. Note requires explanations like for example Ruopinionne-2024
  • Джастин Чих-яо Чен, Зифенг Ванг, Хамид Паланги, Руджун Хан, Сайна Эбрахими, Лонг Ле, Винсент Перо, Сваруп Мишра, Мохит Бансал, Чен-Ю, Томас Пфистер
  • Arxiv Pre-Print 2024
• Поток поиска (SOS): обучение поиску на языке [Paper] [Review] [X/Twitter]
  • Concept: language models can learn to search in language, autonomously using and discovering new search strategies to solve problems. Отсюда [обзор]
  • Канишк Ганди, Дениз Ли, Габриэль Гранд, Мусин Лю, Уинсон Ченг, Архит Шарма, Ноа Д. Гудман
  • Colm 2024 (опубликовано: 10 июля)
• Звезда: рассуждения о начальной загрузке с рассуждением [Paper] [X/Twitter] [Обзор]
  • 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. Отсюда [обзор]
  • Эрик Зеликман, Юхуай Ву, Джесси Му, Ноа Д. Гудман
  • Nerips 2022

Вернуться к вершине

Адаптация проверки фактов

Примечание. Требуется / предполагает наличие фактической базы знаний

• Последовательное извлечение соотношения на уровне документов через контрфакты [Paper] [CODE]
  • Concept: use factual relations for fictional context construction and LLM validation
  • Али Модарси, Абдуллатиф Кёксал, Хинрих Шюцце
  • EMNLP-2024, 15 октября 2024 г.
• Обучение уточнению с помощью мелкозернистой обратной связи естественного языка [Paper] [Код]
  • Concept: When treating attitudes as facts, we can adopt zero-shot LLM-based fact cheking as: Detect-Critique-Refine
  • МАНДА ВАДХВА, Синью Чжао, Джуни Джесси, Ли Грег Дурретт
  • EMNLP-2014
• Проверка фактов с нулевым выстрелом с помощью естественной логики и моделей крупных языков [Paper] [Code]
  • Concept: Use natural logic for proving the fact of attitude presence in a zero-shot learning mode (see code)
  • EMNLP-2014

Цепочка мыслей

• FAIMA: функциональное обучение в контексте для анализа настроений на основе нескольких доменов [Paper] [CODE]
  • Структура that integrates модели на основе графиков 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.
  • Сонхуа Ян, Синке Цзян, Ханджи Чжао, Венксуан Зенг, Хонд Лю, Юсианг Цзяя
  • Lrec-Coling 2024, длинная бумага ; Представлено 2 марта 2024 года.
• Анализ настроений на основе аспектов с явным увеличением настроений [Paper] [Гарвард-бумага]
  • integrates explicit sentiment augmentations, acted as <<clues>> that augment LLM input context
  • Джихон Уян, Чжияо Ян, Сивон Лян, Бинг Ван, Йеменг Ван, Симминг Ли
  • Arxiv Pre Print, представлен: 18 декабря 2024 г.
• Анализ настроений через переговоры LLM [Paper] [Open-Review]
  • generator-discriminator of negotiating the result label
  • Сяофей Сан, Сяоя Ли, Шенгю Чжан, Шухе Ван, Фей Ву, Дживей Ли, Тяньвей Чжан, Гуайин Ван
  • Arxiv Pre Print, отправлено: 2024
• Рассуждение неявных настроений с помощью цепочки мыслей по подсказке [Paper] [Code]
  • Sequence of 3 prompts for conversational system, complemented by tge system responses. Reason is to cope with hallucination подобными исследованиям
  • Хао Фэй, Бобо Ли, Цянь Лю, Лидонг Бинг, Фей Ли, Тэт-Сенг Чуа
  • ACL 2023, короткие документы

Вернуться к вершине

Разговорные системы

Использование языковых моделей (обычно большого размера) в комбинации с PROMT/вопросами

• Анализ настроений в эпоху больших языковых моделей: проверка реальности [бумага]
  • application of the LLM and based on the latter ChatGPT for the variety set of sentiment analysis problems
  • Венксуан Чжан, Юэ Денг, Бинг Лю, Синно Джиалин Пан, Лидонг Бин
  • Arxiv, 24 мая 2023 г.
• Catgpt лучше человеческих аннотаторов? Потенциал и ограничения CHATGPT в объяснении неявной речи ненависти [Paper]
  • Хуан Фан, Квак Хавон, джизун
  • Гарвард, февраль, 2023 год
• Как будут развиваться методы обнаружения позиций после запуска CHATGPT? [бумага]
  • Introducing prompt templater which allows to reach state-of-the art with zero-shot learning!
  • Боуэн Чжан, Дайдзюн Дин, Ливен Цзин
  • Гарвард, декабрь 2022 года

Вернуться к вершине

Языковые модели

Потрясающий список

График на основе

• Сравнение моделей на основе Graph- и Seq2Seq- подчеркивает сложность в анализе структурированных настроений [Paper] [CODE]
  • Gaku Morio, Hiroaki Ozaki, Atsuki Yamaguchi и Yasuhiro Sogawa
  • ACL-Workshop, 2022
• Улучшение обнаружения с нулевым выстрелом и нескольких выстрелов с графом знаний здравого смысла [Paper]
  • Руи Лю, Чжэн Лин, Ютонг Тан1, Вейпинг Ван
  • ACL-IJCNLP 2021

Вернуться к вершине

Низкие настройки ресурсов

• Анализ настроений с нулевым выстрелом на языках с низким ресурсом с использованием многоязычного настроения лексики [Paper] [Code]
  • Фаджри Кото, Тилман Бек, Зирак Талат, Ирина Гуреви, Тимоти Болдуин
  • NAACL-2014
• Черная настройка для языковой модели-как услуга [Paper] [Code]
  • 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 Pre Print, 2022
• P-Tuning V2: настройка быстрого настройки может быть сравнимой с точной настройкой повсеместно по шкалам и задачам [Paper] [CODE]
  • Proceeds Prefix-Tuning idea onto multiple layers of LM-model
  • Сяо Лю, Кайксуань Джи, Йихенг Фу, Чжэнсиао Дю, Чжилин Ян, Цзе Тан
  • DBLP Jornal, 2021
• Мощность масштаба для настройки параметров, эффективной, [Paper] [Code]
  • Prompt-designing, prompt-tuning comparison studies
  • Брайан Лестер, Рами аль-Рфу, Ной Константа
  • EMNLP-2021
• GPT понимает, [Paper] [Code]
  • Promt Tuning (p-tuning), ie training only promt token embeddings before and after input sequence (x)
  • Сяо Лю, Янан Чжэн, Чжэнсиао Д.У., Мин Дин, Юджи Цянь, Чжилин Ян, Цзе Тан
  • 2021
• Настройка префикса: оптимизация непрерывных подсказок для генерации [Paper] [Code]
  • Training token prefixes for downstream tasks with frozen LM parameters
  • Сян Лиза Ли, Перси Лян
  • ACL/IJCNLP-2021
• Языковые модели-несколько учеников [бумага]
  • 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
  • Том Б. Браун, et. ал.
  • Neurips-2020
• AutoPrompt: выявление знаний из языковых моделей с автоматически сгенерированными подсказками [Paper] [Code]
  • 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))
  • Тейлор Шин, Ясаман Разеги, Роберт Л. Логан IV, Эрик Уоллес, Самир Сингх
  • EMNLP-2020

Вернуться к вершине

Подсказки и экзамен на знания

• Анализ настроений в эпоху больших языковых моделей: проверка реальности [бумага]
  • duplicated from the one in conversational systems section
  • Венксуан Чжан, Юэ Денг, Бинг Лю, Синно Джиалин Пан, Лидонг Бин
  • Arxiv, 24 мая 2023 г.
• Как мы можем узнать, какие языковые модели знают? [Paper] [Код]
  • Implemented model LPAQA: Language model Prompt And Query Archive
  • Чжэнбао Цзян, Фрэнк Ф. Сюй, Джун Араки, Грэм Нойбиг
  • TACL-2020
• Языковые модели как базы знаний? [Paper] [Код]
  • Фабио Петрони, Тим Рокташель, Патрик Льюис, Антон Бахтин, Юсиан Ву, Александр Х. Миллер, Себастьян Ридель
  • EMNLP-2019
• Использование BERT для анализа настроений на основе аспектов посредством построения вспомогательного предложения [Paper] [CODE]
  • Adopting a predefined prompt (QA/NLI formats) as a TextB input part
  • Chi Sun, Luyao Huang, Xipeng Qiu
  • NAACL-HLT 2019

Вернуться к вершине

Архитектуры

• Модели на основе Берта (Encoder Representation от Transorfmers) [Документы]
  • Considering BERT model as classifier
  • Joohong Lee, Удивительное извлечение отношений
• На основе GPT (Encoder Representation от Transorfmers) [Документы]
  • Considering GPT model competed for classification task
  • Joohong Lee, Удивительное извлечение отношений
• Сравнение моделей на основе Graph- и Seq2Seq- подчеркивает сложность в анализе структурированных настроений [Paper] [CODE]
  • T5 and mT5 finetunnning , т.е. Трансформомерное приложение текста в текст
  • Gaku Morio, Hiroaki Ozaki, Atsuki Yamaguchi и Yasuhiro Sogawa
  • ACL-Workshop, 2022

Вернуться к вершине

Обычные модели на основе нейронной сети

В этом разделе мы рассматриваем модели нейронной сети, основанные на сверточной, рекуррентной, рекурсивной архитектуре.

• Нет постоянных друзей или врагов: отслеживание отношений между странами из новостей [Paper]
  • Сяочуан Хан, Юнсол Чой, Ченхао Тан
  • NAACL-HLT 2019
• Нейронные сети для открытого домена, целенаправленные настроения [бумага]
  • Meishan Zhang, Yue Zhang, Duy-Tin Vo
  • ACL 2015

Вернуться к вершине

Обычные модели машинного обучения

• Вывод настроения на уровне документов с социальными, фракциями и дискурсными контекстом [Paper]
  • Юнсол Чой, Ханна Раккин, Люк Зеттлемуер, Еджин Чой
  • ACL-2016
• Анализ настроений: захват благосклонности с использованием обработки естественного языка [бумага]
  • it is originally called favorability analysis, semantic establishment between sentiment and subject
  • Tetsuya Nasukawa, Jeonghee Yi
  • K-Cap-2003 (ACM)

Модели на основе CRF

• Открытый домен, целевые чувства [бумага]
  • Маргарет Митчелл, Жаклин Агилар, Тереза ​​Уилсон, Бенджамин Ван Дурм
  • ACL 2013

Применяемые на основе правил модели

• Обнаружение позиции в публикациях в Facebook немецкой правой вечеринки [Paper]
  • Манфред Кленнер, Дон Таггенера, Саймон Клематид
  • Verb-usages form
  • ACL 2017 (2-й семинар по связыванию моделей семантики лексической, предложения и дискурса)
• Объектно-ориентированная модель роли кадрирования и прогнозирования отношения [Paper]
  • Object-oriented model
  • ACL 2017 (2-й семинар по связыванию моделей семантики лексической, предложения и дискурса)
• Совместное прогноз для анализа настроений на уровне сущности/событий с использованием вероятностных моделей мягкой логики [Paper]
  • Lingjia Deng, Janyce Wiebe
  • EMNLP 2015
• Factbank: корпус, аннотированный с фактическим событием [Paper]
  • Розер Саури, Джеймс Пустежовский
  • 2009

Вернуться к вершине

Вспомогательные исследования и ресурсы

• Закрепление измерения власти и социальной динамики между сущностями [Paper]
  • Мария Антоникк, Анджали Филд, Джимин Мун, Мелани Уолш, Лорен Ф. Кляйн, Мартенп
  • ACL-2013
• Многоязычные рамки коннотации: тематическое исследование социальных сетей для анализа целевых настроений и прогноз [Paper] [Ресурсы]
  • Ханна Раккин, Эрик Белл, Еджин Чой, Свитлана Волкова
  • ACL-2017
• Обучение лексико-функциональным моделям для воздействия от первого лица [Paper]
  • Лена Рид, Цзяки Ву, Шерен Ораби
  • ACL-2017
• Понимание злоупотребления: типология подзадачи обнаружения языка [бумага]
  • Зирак Васим, Томас Дэвидсон, Дана Уэмсли, Ингмар Вебер
  • ACL-2017
• Коннотационные рамки: исследование, управляемое данными [бумага]
  • Ханна Раккин, Самир Сингх, Еджин Чой
  • ACL-2016
• Сотрудники оскорбляют ли персонажи больше слов? [бумага]
  • Яшар Мехдад, Джоэл Тетро
  • Сигдиал-2016

Вернуться к вершине

Разнообразный

• Проверка надежности вывода мнения [бумага]
  • Йозеф Руппенхофер, Джаспер Брандес
  • Konvens 2016

Вернуться к вершине

Это

• Смягчение гендерного смещения в тексте с использованием неконтролируемого контролируемого переписывания [Мастер-тезис]
  • Майя Бринкманн
  • Университет Падерборна, 2022
    • Connotation Frames (2.1.3.)
    • Connotational Frames and Lexicon (3.1.1.)

Вернуться к вершине

Наборы данных

• Сейчас (2010 - настоящий) [Сайт] - Новости на веб -корпусе.
  • Содержит данные из онлайн-журналов и газет в 20 различных англоязычных странах с 2010 года до текущего времени. (Только необработанные тексты).
• MPQA-3.0, (2015) [Site] [Paper]
• Snli [сайт] [бумага] - Стэнфордский вывод естественного языка
  • 570K, написанные человеком английского предложения, вручную помечены для сбалансированной классификации с этикетками, влечет за собой , противоречие и нейтральное
• Factbank 2009, [Paper] - корпус аннотирован с фактическим событием.
  • Состоит из 208 документов и содержит в общей сложности 9 488, включая данные о промежутке времени; Вручную аннотированные события.
• TimeBank, 2003 [Site] [Paper]
  • Аннотирован, чтобы указать события, время и временные отношения

Вернуться к вершине