TEGAA: analizador de aspecto de gráfico mejorado con transformador con aprendizaje semántico de contraste para la detección de aspecto implícito

Área de la Ciencia:

• Procesamiento del lenguaje natural.
• La inteligencia artificial es inteligencia artificial.
• Aprendizaje automático Aprendizaje automático.

Sus antecedentes:

• Los modelos de detección de aspecto implícito luchan con la ambigüedad de aspecto, el desequilibrio de datos, el texto ruidoso y la deriva de aspecto.
• Los métodos existentes se enfrentan a desafíos para identificar con precisión las categorías de aspectos no declarados en el contenido generado por el usuario.

Objetivo del estudio:

• Proponer el Transformer-Enhanced Graph Aspect Analyzer (TEGAA), un marco unificado para superar las limitaciones en la detección de aspectos implícitos.
• Mejorar la precisión y la robustez de la identificación de aspectos implícitos en el texto no estructurado.

Principales métodos:

• Desarrolló un transformador experto dinámico (DET) con un motor experto dinámico adaptativo (DAEE) para manejar la complejidad sintáctica y el ruido contextual.
• Aprendizaje contrastivo semántico implementado (SCL) para abordar el desequilibrio de datos y las señales implícitas escasas.
• Utilizó un detector de aspecto jerárquico mejorado con gráficos (GE-HAD) con sumideros de atención y agrupación piramidal para la resolución de ambigüedad y deriva.

Principales resultados:

• TEGAA logró puntuaciones F1 por encima de 0,88, precisión por encima de 0,89, recuerdo por encima de 0,87, precisión superior al 89%, y AUC por encima de 0,89 en conjuntos de datos de referencia.
• Demostró un rendimiento superior sobre los métodos de última generación en la detección de aspectos implícitos.
• Demostró efectividad en la resolución de la ambigüedad de los aspectos implícitos y en el manejo de datos ruidosos y desequilibrados.

Conclusiones:

• TEGAA ofrece un marco sólido y eficaz para la detección de aspectos implícitos, superando los enfoques existentes.
• El enfoque integrado de enrutamiento dinámico de expertos, refinamiento semántico y razonamiento de gráficos jerárquicos aborda los desafíos clave en el campo.
• TEGAA proporciona una solución estable y adaptativa para la inferencia de aspectos en diversos ámbitos y dominios lingüísticos.