要約
Aspect-based Sentiment Analysis（ABSA）はさまざまな産業で研究されてきましたが、金融分野ではまだ十分に探索されていません。WWW '18の付随プロシーディングスから公開されたオープンチャレンジ（FiQA）のデータリリースにより、金融特有の重要なアノテーションが提供されました。FiQAには高品質なラベルが含まれていますが、従来のABSA深層学習アーキテクチャを適用するためのデータ量が不足しています。本論文では、上位レベルの意味表現とNLP用の帰納的転移学習手法を用いています。最近開発されたドメイン適応手法やターゲットタスク微調整の拡張について実験を行い、小規模データセットでの性能を大幅に向上させました。我々の結果は、現在の最先端技術に対して分類におけるF1スコアで8.7%、回帰におけるMSEで11%の改善を示しています。