要約
アスペクト項感情分析（ATSA）は、自然言語理解における長年の課題です。この課題では、文章中に登場する対象エンティティに関する細かい意味論的推論が求められます。アスペクトの手動注釈は労力と時間がかかり、監督学習に使用できるラベル付きデータの量が限られています。本論文では、トランスフォーマーを基盤とする変分オートエンコーダ（VAET）を使用したATSA問題への半教師あり手法を提案します。この手法は、変分推論によって潜在分布をモデル化し、潜在表現をアスペクト固有の感情と語彙的文脈に分解することで、ラベルの付いていないデータに対する潜在的な感情予測を導き出します。これにより、ATSA分類器の性能向上に寄与します。当手法は分類器非依存であり、分類器は独立したモジュールで、様々な先進的な教師ありモデルを統合することができます。実験結果はSemEval 2014タスク4において得られ、当手法が4つの古典的な分類器に対して効果的であることが示されました。提案手法は2つの一般的な半教師あり手法を上回り、最先端の性能を達成しています。