HyperAIHyperAI

Command Palette

Search for a command to run...

il y a 4 mois

Ne laissez pas de petites incohérences éclipser vos arts : repositionnement de frontière par un réseau à pointeur pour l'extraction d'aspects

{Zhenkai Wei Yu Hong Meng Cheng Bowei Zou Jianmin Yao}

Ne laissez pas de petites incohérences éclipser vos arts : repositionnement de frontière par un réseau à pointeur pour l'extraction d'aspects

Résumé

Les méthodes actuelles d'extraction des aspects souffrent d'erreurs de bornes. En général, ces erreurs entraînent une différence relativement faible entre les aspects extraits et les étiquettes de référence. Toutefois, elles affectent sévèrement les performances. Dans cet article, nous proposons d'utiliser un réseau pointeur afin de réajuster les bornes. Un mécanisme de recyclage est mis en œuvre, permettant ainsi de collecter les données d'entraînement sans intervention manuelle. Nous menons des expériences sur les jeux de données de référence SE14 (ordinateur portable) et SE14-16 (restaurant). Les résultats expérimentaux montrent que notre méthode obtient des améliorations substantielles par rapport à la méthode de référence, et surpasser les approches de pointe.

Benchmarks

BenchmarkMéthodologieMétriques
aspect-extraction-on-semeval-2014-task-4-sub-1Wei et al. (2020)
Laptop (F1): 82.7
Restaurant (F1): 87.1
aspect-extraction-on-semeval-2015-task-12Wei et al. (2020)
Restaurant (F1): 72.7

Construire l'IA avec l'IA

De l'idée au lancement — accélérez votre développement IA avec du co-codage IA gratuit, un environnement prêt à l'emploi et les meilleurs prix GPU.

Co-codage IA
GPU prêts à utiliser
Meilleurs prix
Commencer

Hyper Newsletters

Abonnez-vous à nos dernières mises à jour
Nous vous enverrons les dernières mises à jour de la semaine dans votre boîte de réception à neuf heures chaque lundi matin
Propulsé par MailChimp
Ne laissez pas de petites incohérences éclipser vos arts : repositionnement de frontière par un réseau à pointeur pour l'extraction d'aspects | Articles de recherche | HyperAI