要約
対象指向感情分析は、意見対象の抽出と対象感情分類を含む。しかし、既存の研究の大半はこれらの2つのサブタスクのいずれかを単独で研究することが多いため、実用的な応用が妨げられている。本論文では、対象指向感情分析の完全なタスクをエンドツーエンドで解決することを目指し、統一されたタグ付けスキームを適用する新しい統合モデルを提案する。我々のフレームワークには2つの積み重ねた再帰型ニューラルネットワークが含まれている。上位のネットワークは統一タグを予測し、主な対象指向感情分析の最終出力結果を生成する。下位のネットワークは補助的な対象境界予測を行い、上位ネットワークの性能向上に寄与することを目指している。タスク間依存関係を探求するために、我々は対象境界から対象感情極性への制約付き遷移を明示的にモデル化することを提案する。また、ゲートメカニズムを通じて意見対象内の感情の一貫性を維持することも提案する。このゲートメカニズムは、現在の単語と前の単語の特徴間の関係をモデル化するものである。我々は3つのベンチマークデータセットに対して広範な実験を行った結果、提案したフレームワークが一貫して優れた結果を達成したことを確認した。