令人敬畏的情感态度提取
与情感态度提取相关的令人敬畏的研究的精心策划清单，其中态度与主体传达的文本位置相对应，例如：实体，事件等。
该存储库收集的工作既与关系提取和情感分析有关，又是情感分析，其中这两个领域是密不可分的，包括事件事件作为情感推理的基本研究，即立场检测。
贡献：请随时提出拉请或与我联系[联系人]
内容
- 相关研究
- 框架
- 注释模式
- 文件
- 大型语言模型
- 语言模型
- 常规神经网络模型
- 传统的机器学习模型
- 基于CRF的模型
- 基于规则的动词适用模型
- 辅助研究和资源
- 各种各样的
- 论文
- 数据集
相关研究
- 自然语言处理
- 情感分析
- 目标固定分析
- 结构性情绪分析（Semeval任务10）
- 基于方面的情感分析
- 仇恨语音检测
- 关系提取
- 立场检测
框架
- 散装链[github]
- 利用思想链概念并为零弹性推论提供了简约的解决方案的框架。例如，您可以利用从Thor-ISA的
aspect-opininon-reason链的概念来适应态度提取。
- faima [github]
- 将基于图的模型和语言学整合的框架与旨在用于多域SA的文本学习的核心功能。
- 推理 - 嗅觉 - 分析框架[Github]
- 该框架重新构成了
THOR-ISA框架的重新构造版本： - thor-isa [github]
- 基于propt的框架分析框架，这些框架基于从LLM系统中获取结果情感类的概念。
- OpenPrompt [github]
- chatgpt [网站]
- 对话系统经过培训，可以在提示中遵循指令并提供详细的响应；有关如何在以下工作中对其进行调整的示例。
- arekit-prompt-sampler [github] [及时处理指南]
- 情感态度态度提取来源通过语言传输和促使API取得了由AREKIT提供动力的其他类似chatgpt的模型请求。
- Arelight [github]
- 基于AREKIT的应用程序，以详细的视图对用俄语编写的大众媒体文本中的实体之间的情感
- 竞技场[github]
- 是一个像开放式项目一样的项目，但是基于TensorFlow库的内核，并在其顶部实现了神经网络，旨在态度和关系提取任务。
- arekit [github] [研究 - 可涂纸]
- 是一个开源和可扩展的工具包，专注于文档级别关系提取组织的数据准备。它可以补充开放式功能，就像后者一样，文档级RE设置未被广泛探索（2.4 [Paper]）。
- dere [github] [纸]
- 是用于De Clarive R Extration e Xtraction的开源框架，因此允许声明您自己的任务（使用XML模式）并将手动实现的模型应用于IT（使用提供的API）。
- Opennre [github] [纸]
- 是一种开源和可扩展的工具包，它提供了一个统一的框架，以实现命名实体之间的关系提取（RE）的神经模型。
- deeppavlov-0.17.0 [docs] [post]
- 是Anastasiia Sedova提出的Deeppavlov Opensource库的整个关系提取组件。
- 其他... [令人敬畏的差异]
回到顶部
注释模式
- 意见[论文]
- Sentiml [纸]
- 舆论模拟[纸]
- EmotionMl [纸]
回到顶部
文件
回到顶部
大型语言模型
很棒的llm列表
推理
- 反向思维使LLMS更强大的推理器[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 - Justin Chih-Yao Chen，Zifeng Wang，Hamid Palangi，Rujun Han，Sayna Ebrahimi，Long Le，Vincent Perot，Swaroop Mishra，Mohit Bansal，Mohit Bansal，Chen-Yu Lee，Tomas Pfisters
- Arxiv预印2024
- 搜索流（SOS）：学习用语言搜索[纸] [评论] [x/twitter]
-
Concept: language models can learn to search in language, autonomously using and discovering new search strategies to solve problems.从这里[评论] - Kanishk Gandhi，Denise Lee，Gabriel Grand，Muxin Liu，Winson Cheng，Archide Sharma，Noah D. Goodman
- Colm 2024 （7月10日出版）
- 星：引导推理与推理[paper] [x/twitter] [评论]
-
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.从这里[评论] - Eric Zelikman，Yuhuai Wu，Jesse Mu，Noah D. Goodman
- Nerips 2022
回到顶部
事实检查适应
注意：需要 /假设存在事实知识库
- 通过反事实[Paper] [代码]提取文档级级别的关系级别的关系提取
Concept: use factual relations for fictional context construction and LLM validation- Ali Modarressi，AbdullatifKöksal，HinrichSchütze
- EMNLP-2024，2024年10月15日
- 学习使用细粒度的自然语言反馈[纸] [代码]来完善
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
- 通过自然逻辑和大型语言模型[Paper] [代码]通过零拍摄的事实验证
Concept: Use natural logic for proving the fact of attitude presence in a zero-shot learning mode (see code)- EMNLP-2024
经过思考链
- Faima：用于多域基于方面的情感分析[论文] [代码]
-
that integrates基于图的模型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-Coling 2024，长纸；提交2024年3月2日。
- 基于方面的情感分析，具有明确的情感增强[论文] [哈佛纸]
-
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预印，提交：2024年12月18日
- 通过LLM谈判[PAPER] [开放式审查]通过情感分析
generator-discriminator of negotiating the result label- 小米太阳，小李，Shengyu Zhang，Shuhe Wang，Fei Wu，Jiwei Li，Tianwei Zhang，Guoyin Wang
- ARXIV预印，提交：2024
- 推理隐性情绪，并用思想链提示[纸] [代码]
-
Sequence of 3 prompts for conversational system, complemented by tge system responses. Reason is to cope with hallucination类似的研究 - Hao Fei，Bobo Li，Qian Liu，Lidong Bing，Fei Li，Tat-Seng Chua
- ACL 2023，短论文
回到顶部
会话系统
将语言模型（通常是大型）与PROMP/问题结合在一起
- 大语模型时代的情感分析：现实检查[论文]
-
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年5月24日
- chatgpt比人类注释更好吗？在解释隐式仇恨言论时，chatgpt的潜力和局限性[纸]
- Huang粉丝，Kwak Haewoon，Jisun
- 哈佛，2023年2月
- CHATGPT推出后，立场检测技术将如何发展？ [纸]
-
Introducing prompt templater which allows to reach state-of-the art with zero-shot learning! - Bowen Zhang，Daijun ding，Liwen Jing
- 哈佛，2022年12月
回到顶部
语言模型
很棒的llm列表
基于图
- 比较基于
Graph-和Seq2Seq-的模型突出了结构化情感分析的困难[Paper] [代码]- Gaku Morio，Hiroaki Ozaki，Atsuki Yamaguchi和Yasuhiro Sogawa
- ACL-Workshop，2022年
- 使用常识性知识图[纸]增强零射击和少量的立场检测
- Rui Liu，Zheng Lin，Yutong Tan1，Weiping Wang
- ACL-IJCNLP 2021
回到顶部
低资源调谐
- 使用多语言情感词典[paper] [代码]，低资源语言中的零击情感分析
- Fajri Koto，Tilman Beck，Zeerak Talat，Iryna Gurevych，Timothy Baldwin
- NAACL-2024
- 语言模型 - as-a-service [paper] [code]的黑盒调整
Non gradient p-tunes, wrapped in API in order to consider large Pre-Trained models (PTMs) adoptation as Service models- 天xiang sun，Yunfan Shao，Hong Qian，Xuanjing Huang，Xipeng Qiu
- Arxiv Pre Print，2022
- p-Tuning V2：提示调整可以与跨量表和任务普遍普遍的微调[paper] [代码]相提并论。
-
Proceeds Prefix-Tuning idea onto multiple layers of LM-model - 小刘，kaixuan ji，Yicheng Fu，Zhengxiao du，Zhilin Yang，Jie Tang
- DBLP Jornal，2021年
- 参数有效及时调整的比例力量[paper] [代码]
-
Prompt-designing, prompt-tuning comparison studies - Brian Lester，Rami al-Rfou，Noah Constant
- EMNLP-2021
- GPT也了解[纸] [代码]
-
Promt Tuning (p-tuning), ie training only promt token embeddings before and after input sequence (x) - 小刘，亚南·郑，Zhengxiao du，明丁，Yujie Qian，Zhilin Yang，Jie Tang
- 2021
- 前缀调整：优化发电[纸] [代码]的连续提示
Training token prefixes for downstream tasks with frozen LM parameters- 徐丽莎·李，珀西·梁
- ACL/IJCNLP-2021
- 语言模型是很少的学习者[论文]
-
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 - 汤姆·布朗（Tom B. Brown）等。 al。
- Neurips-2020
- 自动启动：从具有自动生成提示的语言模型的知识[Paper] [代码]
-
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)) - 泰勒·辛（Taylor Shin），Yasaman Razeghi，Robert L. Logan IV，Eric Wallace，Sameer Singh
- EMNLP-2020
回到顶部
提示和知识考试
- 大语模型时代的情感分析：现实检查[论文]
-
duplicated from the one in conversational systems section - Wenxuan Zhang，Yue Deng，Bing Liu，Sinno Jialin Pan，Lidong Bing
- Arxiv，2023年5月24日
- 我们怎么知道语言模型知道什么？ [纸] [代码]
-
Implemented model LPAQA: Language model Prompt And Query Archive - Zhengbao Jiang，Frank F. Xu，Jun Araki，Graham Neubig
- TACL-2020
- 语言模型作为知识基础？ [纸] [代码]
- Fabio Petroni，Timocktäschel，Patrick Lewis，Anton Bakhtin，Yuxiang Wu，Alexander H. Miller，Sebastian Riedel
- EMNLP-2019
- 通过构建辅助句子[Paper] [代码]，利用BERT进行基于方面的情感分析
Adopting a predefined prompt (QA/NLI formats) as a TextB input part- Chi Sun，Luyao Huang，Xipeng Qiu
- NAACL-HLT 2019
回到顶部
体系结构
- 基于BERT的模型（Transorfmers的编码重复）[论文]
-
Considering BERT model as classifier - Joohong Lee，很棒的关系提取
- 基于GPT的（来自Transorfmers的编码器代码）[论文]
-
Considering GPT model competed for classification task - Joohong Lee，很棒的关系提取
- 比较基于
Graph-和Seq2Seq-的模型突出了结构化情感分析的困难[Paper] [代码]-
T5 and mT5 finetunnning ，即文本到文本传输转型器应用程序 - Gaku Morio，Hiroaki Ozaki，Atsuki Yamaguchi和Yasuhiro Sogawa
- ACL-Workshop，2022年
回到顶部
常规神经网络模型
在本节中，我们考虑基于卷积，经常性的递归体系结构的神经网络模型。
- 没有永久的朋友或敌人：从新闻[纸]跟踪国家之间的关系
- Xioochuang Han，Eunsol Choi，Chenhao Tan
- NAACL-HLT 2019
- 开放域目标情绪的神经网络[纸]
- Meishan Zhang，Yue Zhang，duy-tin vo
- ACL 2015
回到顶部
传统的机器学习模型
- 对社会，派系和话语上下文的文档级别的情感推论[论文]
- Eunsol Choi，Hannah Rashkin，Luke Zettlemoyer，Yejin Choi
- ACL-2016
- 情感分析：使用自然语言处理捕获有利的能力[纸]
-
it is originally called favorability analysis, semantic establishment between sentiment and subject - Tetsuya Nasukawa，Jeonghee yi
- K-CAP-2003（ACM）
基于CRF的模型
- 开放域的目标情绪[纸]
- 玛格丽特·米切尔（Margaret Mitchell），杰奎琳·阿吉拉尔（Jacqueline Aguilar），特蕾莎·威尔逊（Theresa Wilson），本杰明·范·杜尔姆（Benjamin Van Durme）
- ACL 2013
基于规则的动词适用模型
- 在Facebook帖子中的立场检测[纸]
- Manfred Klenner，Don Tuggener，Simon Clematide
-
Verb-usages form - ACL 2017（有关链接词汇，句子和话语级语义的链接模型的第二届研讨会）
- 面向对象的角色框架和态度预测模型[纸]
-
Object-oriented model - ACL 2017（有关链接词汇，句子和话语级语义的链接模型的第二届研讨会）
- 使用概率软逻辑模型对实体/事件级别分析的联合预测[纸]
- Lingjia Deng，Janyce Wiebe
- EMNLP 2015
- Factbank：带有事件事实注释的语料库[纸]
- RoserSaurí，James Pustejovsky
- 2009
回到顶部
辅助研究和资源
- 铆钉测量实体之间的力量和社会动态[纸]
- Maria Antoniak，Anjalie Field，Jimin Mun，Melanie Walsh，Lauren F. Klein，Maarten SAP
- ACL-2023
- 多语言含义框架：社交媒体上的案例研究，以进行目标情感分析和预测[论文] [资源]
- Hannah Rashkin，Eric Bell，Yejin Choi，Svitlana Volkova
- ACL-2017
- 学习第一人称影响的词典功能模式[纸]
- Lena Reed，Jiaqi Wu，Shereen Oraby
- ACL-2017
- 理解滥用：滥用语言检测子任务的类型学[论文]
- Zeerak Waseem，Thomas Davidson，Dana Warmsley，Ingmar Weber
- ACL-2017
- 内涵框架：数据驱动的调查[论文]
- 汉娜·拉什金（Hannah Rashkin），Sameer Singh，Yejin Choi
- ACL-2016
- 角色虐待比单词更多吗？ [纸]
- Yashar Mehdad，Joel Tetreault
- Sigdial-2016
回到顶部
各种各样的
- 验证观点推断的鲁棒性[论文]
- Josef Ruppenhofer，Jasper Brandes
- Konvens 2016
回到顶部
论文
- 使用无监督的可控重写[Master-Ossis]在文本中缓解性别偏见[]
- Maja Brinkmann
- 帕德伯恩大学，2022年
Connotation Frames （2.1.3。）-
Connotational Frames and Lexicon （3.1.1。）
回到顶部
数据集
- 现在（2010年 - 现在）[网站] - 网络语料库的新闻。
- 从2010年到当前的时间，包含来自20个不同英语国家 /地区的20个不同英语国家 /地区的报纸的数据。 （仅原始文本）。
- MPQA-3.0，（2015）[网站] [纸]
- SNLI [site] [paper] - 斯坦福大学自然语言推断
- 570k人写的英语句子对平衡分类的手动标记与标签有必要，矛盾和中性
- Factbank 2009，[纸] - 事件事实注释的语料库
- 由208个文件组成，总共包含9,488个文件，包括时间库数据；手动注释的事件。
- TimeBank，2003 [网站] [纸]
回到顶部
