要約
本論文は、アスペクトベースの感情分析における2つの関連するサブタスク、すなわちアスペクト項抽出とアスペクト感情分類に焦点を当てています。これらを合わせてアスペクト項-極性共抽出と呼びます。前者のタスクは、意見文書から製品やサービスのアスペクトを抽出することであり、後者のタスクは、これらの抽出されたアスペクトについて文書で表現されている極性を特定することです。既存のアルゴリズムの多くは、これらを2つの別々のタスクとして扱い、順番に解決するか、または一方のタスクのみを行うため、実際のアプリケーションでは複雑になることがあります。本論文では、これらの2つのタスクを2つのシーケンスラベリング問題として扱い、入力文のすべてのアスペクト項-極性ペアを同時に生成する新しいDual crOss-sharEd RNNフレームワーク（DOER）を提案します。具体的には、DOERは各タスクの表現を抽出するために双方向再帰ニューラルネットワークを使用し、それらの関係性を考えるためにクロス共有ユニットが含まれています。実験結果は、提案されたフレームワークが3つのベンチマークデータセットにおいて最先端の基準モデルよりも優れていることを示しています。